高维蛋白质波谱癌症数据特征提取

吴文峰，刘毅慧*

(齐鲁工业大学信息学院，济南 250353)

摘要：高维蛋白质波谱癌症数据分析，一直面临着高维数据的困扰。针对高维蛋白质波谱癌症数据在降维过程中的问题，提出基于小波分析技术和主成分分析技术的高维蛋白质波谱癌症数据特征提取的方法，并在特征提取之后，使用支持向量机进行分类。对8-7-02数据集进行2层小波分解时，分别使用db1、db3、db4、db6、db8、db10、haar小波基，并使用支持向量机进行分类，正确率分别达到98.18%、98.35%、98.04%、98.36%、97.89%、97.96%、98.20%。在进一步提高分类识别正确率的同时，提高了时间率。

关键词：小波分析；主成分分析；蛋白质波谱；降维；分类

中图分类号：Q629.73文献标志码：A

Feature selection for high-dimensional cancer protein mass spectrometry data

WU Wenfeng,LIU Yihui*

(SchoolofInformation,QiluUniversityofTechnology,Jinan250353,China)

Abstract：The analysis of high-dimensional cancer protein mass spectrometry data is full of trouble from high-dimensional data.We propose method for selecting the feature of high-dimensional cancer protein mass spectrometry data based on the wavelet analysis and principal component analysis,and solving the faled problems when we reduce the dimensionality of high-dimensional cancer protein mass spectrometry data.After feature selection,we use the support Vector Machine(SVM) for classification.We use wavelet decomposition on 8-7-02 data set at second level,use different wavelet basis(db1,db3,db4,db6,db8,db10,haar) and classify them with the SVM, then we get different recognition rates:98.18%,98.35%,98.04%,98.36%,97.89%,97.96%,98.20%.Improve the classification accuracy and the efficiency of time simultaneously.

Keywords：Wavelet analysis;Principal component analysis;Protein mass spectrometry;Dimensionality reduction;Classify

近年来，蛋白质组学迅速发展。蛋白质波谱数据分析在癌症检测中得到了越来越广泛的应用。目前，在蛋白质波谱分析过程中，波谱信息主要通过基质辅助激光解析电离技术(Matrix-Assisted Laser Desorption/Ionization:MALDI)和表面增强激光解吸离子化飞行时间质谱技术(Surface-Enhanced Laser Desorption/Ionization Time-of-Flight Mass Spectrometry:SELDI-TOF-MS)来获得[1]。本文中的蛋白质波谱数据，主要是通过SELDI-TOF-MS技术得到。SELDI-TOF-MS技术主要由蛋白质芯片、飞行时间质谱仪和相关软件组成，其中蛋白质芯片是该技术的核心。

严勇等通过采用模式识别领域常用的决策树与AdaBoost技术来处理医学领域常用的质谱分析数据[2]，研究了弱分类器个数对分类性能的影响，将AdaBoost与支持向量机进行类比。根据实验，从大间隔学习的角度，阐述了AdaBoost的优势。AdaBoost是二元分类方法中经常用到的一个提升方法[3]。AdaBoost对不同训练集训练时，采用同一个弱分类器，之后把在不同训练集上得到的分类器集合起来，组成一个更优的强分类器。……