蛋白质组质谱数据的断层成像模式分析.pdfVIP

蛋白质组质谱数据的断层成像模式分析 1 1 1 2 孟辉 ，洪文学 ，宋佳霖 ，王立强 1.燕山大学电气工程学院，河北秦皇岛（066004 ） 2. 燕山大学车辆与能源学院，河北秦皇岛（066004 ） E-mail ：menghui_ysu@ 摘 要：针对蛋白质组质谱数据分析的复杂性，提出一种断层成像原理的质谱数据模式分析 方法。该方法将多样本质谱数据三维表示，对三维数据做切分得到多个关键阈值的信息图像， 由信息图像的能量曲线构成诊断癌症的生物标记物模式模板。采用国际公开卵巢癌数据库进 行验证，敏感度为100 ％，特异度为98.77 ％。 关键词：蛋白质组质谱数据，三维表示，断层成像，生物标志物模式 中图分类号 TP39 文献标识码 A 国家标准学科分类与代码 120.10 1 引言 用蛋白质组质谱生物标记物模式进行癌症早期诊断是当今国际热点和前沿问题之一。近 年来，美国、英国、德国等国家的专家和学者对表面加强激光解析电离飞行时间质谱 [1-2] (SELDI-TOF MS)技术诊断癌症进行了多方面的研究工作，取得了令人瞩目的成果 。 SELDI-TOF MS结合生物信息学方法已经成功发现了一些新的生物标记物，并达到较高的灵 [3-5] 敏度和特异度 。质谱数据呈现为一条具有很多波峰和波谷的曲线，曲线的横坐标为质核 比(m/z)，单位为Dalton(Da) ，纵坐标为m/z相应分子的信号强度。利用SELDI-TOF MS进行癌 症诊断最关键的两个环节是质谱的产生与模式识别算法[6] 。应用和开发数据挖掘算法分析质 谱数据是探测能够应用于临床的生物标记物的重要步骤。Petricoin等[7]用遗传算法和自组织 聚类分析构造卵巢癌的判别模式。筛选了卵巢癌血清中5 个标记蛋白，其灵敏度达到100 % , [8] 特异性达到95 % ,阳性检出率达94 % 。Adam等 应用决策树算法分析前列腺癌的蛋白质组质 谱，灵敏度达到83 % ,特异性达到97 % 。大多数研究人员都是直接利用质谱仪器生产厂家提 供的分析软件(BioWizard等)进行峰值提取来发现生物标记物模式，进而进行癌症诊断。而通 常情况下峰值信息是易受干扰，且是不稳定的。 本文针对目前把质谱峰值作为分类特征情况，提出采用图像断层分析的思想对质谱数据 进行分析，形成基于断层成像原理的血清蛋白质组质谱数据癌症模式分析方法。目的在于探 索一种鲁棒性好的能发掘质谱更多信息的生物标记物模式分析新方法。 2 方法原理 本文提出方法的原理是首先将已知类别的样本作为训练数据，经预处理后表示成3维曲 面的形式，通过对曲面按不同的阈值进行断层切分，构成二值图像（阈值以上为白色，阈值 以下为黑色），再计算图像的能量曲线，构成癌症与非癌症样本的模板，作为判别的基础。 当新的样本需要判别时，按照与已知类别样本学习过程相同的方法处理，与模板进行匹配及 相似度计算，得到新样本的类别所属。原理如图1。 2.1 数据预处理 蛋白质组质谱数据库数据的预处理非常重要，直接影响图表示和分类的有效性。由于血 清内不同蛋白质丰度存在显著差异，真正对诊断疾病具有重要价值的某些蛋白质丰度往往较 低，不利于最大化其信息。本文采用归一化处理的方法对数据进行预处理。 - 1 - 已知的癌症与 未知样本 非癌症样本