Journal of Proteome Research | Clinically Applicable Deep Learning Algorithm Using Quantitative Proteomic Data (分享人:翁海玉)
题目:Clinically Applicable Deep Learning Algorithm Using Quantitative Proteomic Data
期刊:Journal of Proteome Research
发表时间:August 2, 2019
DOI:: 10.1021/acs.jproteome.9b00268
分享人:翁海玉
内容与观点:
本研究描述了一种优化的基于深度学习(DL)的胰腺癌诊断方法并测试了该方法的分类能力。
1、实验设计
1.1数据集构建:该方法使用1008个样本的选择反应监测-质谱(SRM - MS)数据集,SRM-MS在血浆样本中检测出34种多肽(由34个蛋白衍生而来)。数据集包括300个正常人样本(NC),109个胰腺癌良性样本(PB),49个其他良性样本(OB),149个其他癌症样本(OC),和401个胰腺癌样本(PDAC)。按照0.7:0.3的比例将数据集分为训练集(691 samples; 322 PDAC, 41 OB, 88 PB, and 240 NC)和测试集(317 samples; 79 PDAC, 8 OB, 149 OC, 21 PB, and 60 NC),保持内部比例不变。其中OC只在测试集中有,以确定是否构建的模型会受到癌症异质性影响。
为了算法能够表现出鉴别胰腺癌的能力,数据集被重新构建为控制组(NC+PB+OB+OC),病例组(PDAC)。
1.2 DL模型训练和参数优化:采用十倍交叉验证的方法对训练数据集进行处理,避免了抽样偏差。每次迭代从子训练数据集中随机抽取约622个数据点(691*0.9)输入模型;其余69个值(691*0.1)作为子测试数据集,用于评估模型中的误差,同时对每个选定的数据点(分层抽样)保持对照组和病例组的比例相等。为了构造该模型,我们采用逐步逼近的方法来减少测试所有可能特征集的计算量。
利用训练数据集对模型进行微调,优化参数。然后在独立的测试数据集上对训练后的模型进行测试,并对其分类性能进行评估。利用独立的测试数据集进一步验证了模型的性能。利用测试数据集的性能来指导参数的优化。为了减少样本选择偏差和模型过拟合的可能性,除了交叉验证外,还进行了bootstrapping验证。
训练和测试数据集使用v3.10.3.6版本的H2O软件包进行处理。DL方法对10个最重要的参数纪元数(number of epochs)、节点数和隐层数(number of nodes and hidden layers)、激活函数(activation function)、rho、epsilon、L1 & L2正则化(L1 & L2 regularization)、隐藏丢失率(hidden dropout ratio)、输入丢失率(input dropout ratio)、每次迭代训练样本(train samples per iteration)、最大w2(max w2)。同时进行网格搜索来优化每个参数的值。并使用每个参数的常用值对它们逐一进行了优化,以此确定重要参数。
1.3 五种传统机器学习模型参数优化:对在蛋白质组学应用最广泛的五种机器学习模型:随机森林(RF)、支持向量机(SVM),逻辑回归(LR),K近邻(KNN)和贝叶斯(NB)建模,训练和测试数据集的处理与DL方法相同。用网格搜索,对5种方法中的参数进行调优。
1.4 DL与传统模型比较:
采用了五种传统的模型性能指标:查全率、精密度、F1评分、精密度和工作特性曲线下面积(AUROC):
Recall=
Precision=
F1 score=
Accuracy=
AUROC通过测量这个图的recall和FDR来构建AUROC曲线,其中1.0表示完全分离,0.5表示随机分类。如图:
Figure 1 完整实验过程
2、结果
2.1 DL参数优化:10个参数中 epoch, activation function, epsilon, input dropout ratio影响DL模型的分类模型(Figure 2 ),如图,选择了AUROC最大时的值为参数值。
Figure 2 DL参数优化
2.2 DL与传统机器学习模型比较:
各个指标都有明显提升,如下图:
Figure 3 六个模型的性能参数柱状图
3、结论
研究结果表明,DL是蛋白组学数据生物标志物确认的有力工具。在临床实验室中,DL有提高疾病分类任务的标准化和内部可靠性的潜力。未来的工作应该优化其在临床环境中的表现,以充分利用DL方法作为临床工具。
4、讨论
虽然DL各个性能指标都远远高于传统方法,但其仍然存在耗时长,电脑硬件要求高,需要更多的特征和样本的数据集等局限,尤其受到质疑的是,DL是一个黑盒子,难以给出内部过程。但本文向我们展示了DL的潜力。相信DL预测不同群体的高精度的能力将产生全新的数据处理选项,支持和加强未来基于蛋白组学的生物标志物研究。
Journal of Proteome Research | Clinically Applicable Deep Learning Algorithm Using Quantitative Proteomic Data (分享人:翁海玉)的更多相关文章
- Journal of Proteome Research | Improving Silkworm Genome Annotation Using a Proteogenomics Approach (分享人:张霞)
题目:Improving Silkworm Genome Annotation Using a Proteogenomics Approach 期刊:Journal of Proteome Resea ...
- Integrative Analysis of MicroRNAome, Transcriptome, and Proteome during the Limb Regeneration of Cynops orientalis (文献分享一组-翁海玉)
文献名:Integrative Analysis of MicroRNAome, Transcriptome, and Proteome during the Limb Regeneration of ...
- Journal of Proteome Research | 人类牙槽骨蛋白的蛋白质组学和n端分析:改进的蛋白质提取方法和LysargiNase消化策略增加了蛋白质组的覆盖率和缺失蛋白的识别 | (解读人:卜繁宇)
文献名:Proteomic and N-Terminomic TAILS Analyses of Human Alveolar Bone Proteins: Improved Protein Extr ...
- Journal of Proteome Research | SAAVpedia: identification, functional annotation, and retrieval of single amino acid variants for proteogenomic interpretation | SAAV的识别、功能注释和检索 | (解读人:徐洪凯)
文献名:SAAVpedia: identification, functional annotation, and retrieval of single amino acid variants fo ...
- Journal of Proteome Research | iHPDM: In Silico Human Proteome Digestion Map with Proteolytic Peptide Analysis and Graphical Visualizations(iHPDM: 人类蛋白质组理论酶解图谱的水解肽段分析和可视化展示)| (解读人:邓亚美)
文献名:iHPDM: In Silico Human Proteome Digestion Map with Proteolytic Peptide Analysis and Graphical Vi ...
- Journal of Proteome Research | Down-Regulation of a Male-Specific H3K4 Demethylase, KDM5D, Impairs Cardiomyocyte Differentiation (男性特有的H3K4脱甲基酶基因(KDM5D)下调会损伤心肌细胞分化) | (解读人:徐宁)
文献名:Down-Regulation of a Male-Specific H3K4 Demethylase, KDM5D, Impairs Cardiomyocyte Differentiatio ...
- Journal of Proteome Research | Quantitative Subcellular Proteomics of the Orbitofrontal Cortex of Schizophrenia Patients (精神分裂症病人眶额叶皮层亚细胞结构的定量蛋白质组学研究)(解读人:王聚)
期刊名:Journal of Proteome Research 发表时间:(2019年10月) IF:3.78 单位: 里约热内卢联邦大学 坎皮纳斯州立大学 坎皮纳斯州立大学神经生物学中心 卡拉博大 ...
- Journal of Proteome Research | Proteomic Profiling of Rhabdomyosarcoma-Derived Exosomes Yield Insights into Their Functional Role in Paracrine Signaling (解读人:孙国莹)
文献名:Proteomic Profiling of Rhabdomyosarcoma-Derived Exosomes Yield Insights into Their Functional Ro ...
- Journal of Proteome Research | Global Proteomic Analysis of Lysine Succinylation in Zebrafish (Danio rerio) (解读人:关姣)
文献名:Global Proteomic Analysis of Lysine Succinylation in Zebrafish (Danio rerio)(斑马鱼赖氨酸琥珀酰化的全球蛋白质组学分 ...
随机推荐
- 关于利用glassfish部署Java EE的firstcup-war时报错
在利用maven+glassfish打包部署Java EE的firstcup-war时报错 1.在利用glassfish部署firstcup-war.war文件时提示如下错误信息: 根据上面的错误提示 ...
- zookeeper基本知识和zk作用体现
有一段时间没写博客,今天想着把自己近几个月做的笔记分享一波. 前两个月我一直在看zk的视频:https://coding.imooc.com/learn/list/201.html 从开始看这位老 ...
- 码海拾遗:Linux常用命令(一)
一.Linux系统安装 系统安装可以分两类:实体机安装Linux,虚拟机(常用虚拟机软件有两种:VMware和VirtualBox)安装Linux. 安装过程网上有很多教程,这里就不赘述了. 二.常用 ...
- Kubernetes集群部署DNS插件
准备 kube-dns 相关镜像 准备 kube-dns 相关 yaml 文件 系统预定义的 RoleBinding 配置 kube-dns 相关服务 检查 kube-dns 功能 kube-dns ...
- 神州优车挂牌新三板!专车B2C对决C2C将愈发狂暴?
近日,全国中小企业股份转让系统公告显示,神州优车已获准在新三板挂牌.神州优车作为神州专车的主营主体,此次挂牌新三板意味着神舟专车成功突围,成为"专车第一股".相比滴滴.Uber中国 ...
- 何用Java8 Stream API进行数据抽取与收集
上一篇中我们通过一个实例看到了Java8 Stream API 相较于传统的的Java 集合操作的简洁与优势,本篇我们依然借助于一个实际的例子来看看Java8 Stream API 如何抽取及收集数据 ...
- python 实现各种进度条
1. 时间进度条 class Tiao(object): def __init__(self): self.obj1 = datetime.timedelta(seconds=1) self.var ...
- 前端小姐姐学PHP之(二)
上次了我们配置好开发环境了,本小节主要讲述内容点: phpStrom的运行环境配置 创建数据库.数据表 连接数据库 一.phpStrom的运行环境配置(windows版) 注:MAC版原文地址 htt ...
- a标签嵌套href默认行为与子元素click事件存在影响
2018-08-07 Question about work 开发过程中遇到问题,简单写个demo 运行环境为Chrome 68 描述一下这个问题,当<a>标签内部存在嵌套时, 父元素&l ...
- 搭建Flutter开发环境需要注意的几个小Tips
目录 下载SDK 安装 Android Stdio + SDK + tool SDK + 创建模拟器 + 插件(flutter和dart) Xcode + cocoapods VSCode + Flu ...