柯激情, 祝 磊, 厉力华, 韩 斌,郑智国, 孟旭莉

1.杭州电子科技大学生命信息与仪器工程学院,杭州 310018;

2.浙江省肿瘤研究所,杭州 310022

基于稀疏表示算法的蛋白质质谱数据特征选择

柯激情1, 祝 磊1, 厉力华1, 韩 斌1,郑智国2, 孟旭莉2

1.杭州电子科技大学生命信息与仪器工程学院,杭州 310018;

2.浙江省肿瘤研究所,杭州 310022

高维、小样本数据的特征选择方法在蛋白质质谱数据处理分析领域有着广泛应用。本文针对蛋白质质谱特征选择问题，结合稀疏表示这一新理论框架，提出了一种基于稀疏表示的特征选择算法(sparse representation based feature selection,SRFS)。该方法将稀疏表示分类的结果作为评定某一个特征子空间特征相对重要性的度量，然后通过对大量随机采样子空间计算结果的统计，得到特征空间中每个特征的排序，并进一步分析提炼出与肿瘤疾病相关的若干谱峰。通过在卵巢癌公共数据集OC-WCX2a和浙江省肿瘤医院乳腺癌数据集BC-WCX2a上的实验结果表明，SRFS算法可以有效应用于本文所使用的SELDI-TOF蛋白质质谱数据的分析。

蛋白质质谱；稀疏表示；特征选择

引 言

肿瘤治疗的关键在于早期发现、早期治疗，这已成为人们的共识。研究发现，即使在没有任何症状的早期阶段，肿瘤患者的蛋白质水平已经表现出一系列与细胞癌变相关的变化。这些少量的、异常的变化，实质上是细胞癌变的标志。与疾病密切相关的蛋白被称为“生物标志物” (biomarker)。对这些标志物的研究和鉴定，无论对肿瘤的早期发现和诊断，还是对肿瘤的预防和治疗，都具有重要的应用价值。……