| 基于质谱的蛋白质生物标志物发现中的特征选择与机器学习方法研究进展 |
| |
| 作者姓名： | 徐开琨 韩明飞 黄传玺 常乘 朱云平 |
| |
| 作者单位： | 1 军事科学院军事医学研究院 生命组学研究所,北京 102206;2 国家蛋白质科学中心 (北京) 北京蛋白质组研究中心 蛋白质组学国家重点实验室,北京 102206,1 军事科学院军事医学研究院 生命组学研究所,北京 102206;2 国家蛋白质科学中心 (北京) 北京蛋白质组研究中心 蛋白质组学国家重点实验室,北京 102206,1 军事科学院军事医学研究院 生命组学研究所,北京 102206;3 河北大学 生命科学学院,河北 保定 071002,1 军事科学院军事医学研究院 生命组学研究所,北京 102206;2 国家蛋白质科学中心 (北京) 北京蛋白质组研究中心 蛋白质组学国家重点实验室,北京 102206,1 军事科学院军事医学研究院 生命组学研究所,北京 102206;2 国家蛋白质科学中心 (北京) 北京蛋白质组研究中心 蛋白质组学国家重点实验室,北京 102206 |
| |
| 基金项目： | 国家自然科学基金 (No. 21605159) 资助。 |
| |
| 摘 要： | 随着质谱技术的进步以及生物信息学与统计学算法的发展,以疾病研究为主要目的之一的人类蛋白质组计划正快速推进。蛋白质生物标志物在疾病早期诊断和临床治疗等方面有着非常重要的意义,其发现策略和方法的研究已成为一个重要的热点领域。特征选择与机器学习对于解决蛋白质组数据"高维度"及"稀疏性"问题有较好的效果,因而逐渐被广泛地应用于发现蛋白质生物标志物的研究中。文中主要阐述蛋白质生物标志物的发现策略以及其中特征选择与机器学习方法的原理、应用实例和适用范围,并讨论深度学习方法在本领域的应用前景及局限性,以期为相关研究提供参考。
|
| 关 键 词： | 质谱 蛋白质组学 生物标志物 机器学习 特征选择 深度学习 |
| 收稿时间： | 2019-02-14 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《生物工程学报》浏览原始摘要信息 |
|
点击此处可从《生物工程学报》下载免费的PDF全文 |
|
