[发明专利]基于血清质谱自适应稀疏特征选择的卵巢癌微创快检技术

摘要

基于血清质谱自适应稀疏特征选择的卵巢癌微创快检技术。本发明将血清软电离飞行时间质谱技术与带稀疏惩罚性的特征选择算法相结合，形成了一种卵巢癌的微创快检技术体系。本发明针对血清样本的飞行时间质谱数据特点，设计了带稀疏惩罚性的自适应特征选择算法。该特征选择方法能够从原始的一万多维质谱数据中选择得到20个关键特征，进一步对这20个特征做流形学习，将特征降到2维，可得线性可分的可视化结果，在常规的线性SVM等分类器上即可得到非常好的分类效果。在公共数据集上开展的实验证明了本方法在卵巢癌的判别上的有效性。

主权项

1.基于血清质谱自适应稀疏特征选择的卵巢癌微创快检技术，其特征在于包括以下步骤：(1)数据获取样品准备：将分离后的血清样本应用到疏水性C16蛋白质芯片，使用α‑氰基‑4‑羟基肉桂酸作为基质，该基质能够有效电离低于20000质荷比的多肽和蛋白质。仪器设定：软电离飞行时间质谱仪，设置激光强度240，探测器灵敏度10，质量聚焦6000，位置50，检测范围0‑20000Da，每个样本电离40～80次。(2)数据分析数据预处理：飞行时间质谱记录的各质荷比离子的数量量级差别较大，采用以下特征归一化方法：特征选择：飞行时间质谱数据往往有几万甚至几十万的维数特征量，直接用于分类训练计算量过大，而且其中的很多相关性不高或者不相关的特征量对于判别分类有较大干扰。首先定义待优化的代价函数：该代价函数同时包含了L1和L2范数，L2范数对应岭回归正则化，L1范数对应LASSO正则化，是稀疏惩罚项。为确定最优的λ1和λ2，采用网格搜索和交叉验证的方法，自适应选择最优超参数，即求解:为特定超参数取值下优化误差代价函数求得的回归模型。根据最终选定的回归模型，按照系数θ绝对值的大小逆序选出20个特征。理论上，经过稀疏惩罚项的系数抑制作用，应观察到后面的大多数特征系数取值为0。流形学习特征降维和可视化：经过上一步的特征选择，得到了20个左右的关键特征。此时，进一步使用流形学习将数据降维至2维，并进行可视化。本发明使用t‑SNE(t‑distributed stochastic neighbor embedding，t分布随机邻域嵌入)非监督方法进行降维。使用条件概率定义降维前的样本点相似度，降维后的相似度，待优化的目标函数为，通过最小化J得到的2维特征从条件概率上保留了原始数据的局部特点。此时，对这2维进行可视化，能够观察到显著的分类边界。分类判别：分类器使用线性核SVM，其代价函数为，其中，loss1(z)＝max(z,1+z),loss0(z)＝max(z,1‑z)超参数C为正则化系数，其值通过网格搜索+5叠交叉验证的方法确定。最终选定的C值下训练得到的分类器作为卵巢癌快速判别的分类器。