评估几种降维分类器应用于生物质谱数据的性能  

Evaluation of classification methods in conjunction with dimensionality reduction techniques in mass spectrometry data classification model

作　　者：罗凯旋[1,2] 钟凡[1] 赵亮[1,3] 贺福初[1,2,3,4] 

机构地区：[1]复旦大学生物医学研究院系统生物学实验室,上海200032 [2]复旦大学生命科学学院,上海200433 [3]复旦大学化学系,上海200433 [4]军事医学科学院,北京蛋白质组学研究中心,蛋白质组学国家重点实验室,北京102206

出　　处：《中国科学：生命科学》2010年第6期544-550,共7页Scientia Sinica(Vitae)

基　　金：国家科技重大专项(批准号:2008ZX10002-016);国家重点基础研究发展计划(批准号:2006CB910803);国家自然科学基金(批准号:30900254)资助项目

摘　　要：在基于质谱的蛋白质组学数据分类研究中,降维技术能够通过提取特征来降低变量维度,有助于机器学习方法进行准确高效地分类.为了研究和比较机器学习分类器与降维技术相结合的分类模型在蛋白质组学数据分类中的性能,为相关的分类研究提供参考,将线性判别分析、k-最近邻、决策树、支持向量机及人工神经网络分类方法与主成分分析及偏最小二乘降维技术相结合,应用于质谱公共数据的分类中.本文所使用的结合式分类模型中,PLS-LDA,PLS-SVM和PLS-ANN方法表现出了最高的分类准确率.为进一步提升分类效果,基于最优的这3种组合分类方法,采用多数投票法构建了专家分类系统.在10倍交叉验证中,多数投票模型仅使用前5个主成分即达到100%的分类准确率.本研究方法和结论为质谱及其他类型的指纹图谱分析研究提供了有益的参考.In the classification of mass spectrometry based proteomics data,dimensionality reduction techniques extract the features and reduce the dimension of input variables which facilitate classifiers to make efficient and accurate decision.In this work,we aimed to make an evaluation of classification methods in conjunction with dimensionality reduction techniques using public proteomics data.Five machine learning classification algorithms,including linear discriminant analysis （LDA）,k-nearest neighbour （KNN）,decision tree （DT）,support vector machine （SVM） and artificial neural network （ANN）,were examined when they were coupled with principle component analysis （PCA） or partial least square （PLS） dimensionality reduction methods.PLS-LDA,PLS-SVM and PLS-ANN showed the best classification accuracy among all conjunction methods.To further improve the classification performance,we presented a majority voting expert committee method,which reached 100% accuracy in 10-fold cross-validation using the top 5 principle components.Our result provided a reference for the classification analysis and the integrative method might achieve satisfying performance in mass spectrometry PMF based and other types of ＂fingerprint＂ profiles.

关 键 词：蛋白质组学 分类 降维 多数投票 

分 类 号：Q51[生物学—生物化学]