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：徐开琨; 韩明飞; 黄传玺; 常乘^*; 朱云平^*

来源：生物工程学报, 2019, 35(09): 1619-1632.

DOI：10.13345/j.cjb.190064

• 质谱
• 蛋白质组学
• 生物标志物
• 机器学习
• 特征选择
• 深度学习

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。

• 单位
  河北大学; 生命科学学院; 蛋白质组学国家重点实验室; 北京蛋白质组研究中心