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
- Win10下JDK环境搭建的两种方法
jdk1.8--64位官网下载的百度网盘 https://pan.baidu.com/s/1A7jYfupwMWZawb5z_RSdJg 提取码: 92eu 第一种方法(建议) 变量名: ...
- java对象POJO和JavaBean的区别
"Plain Ordinary Java Object",简单普通的java对象.主要用来指代那些没有遵循特定的java对象模型,约定或者框架的对象.POJO的内在含义是指那些:有 ...
- linux系统文件被删的几种恢复方法
参考链接:https://www.cnblogs.com/276815076/p/5703796.html 1.几种恢复方法,这里只是记录别的博客提到的方法,本人并未亲自验证. ext3用ext3gr ...
- Welcome to Erhan Blog
"Yeah It's on. " 前言 Erhan 的 Blog 就这么开通了. 跳过废话,直接看技术实现 2018 年,Hux 总算有个地方可以好好写点东西了. 作为一个程序员, ...
- 内核融合:GPU深度学习的“加速神器”
编者按:在深度学习"红透"半边天的同时,当前很多深度学习框架却面临着共同的性能问题:被频繁调用的代数运算符严重影响模型的执行效率. 本文中,微软亚洲研究院研究员薛继龙将为大家介绍 ...
- 使用 KM 处理 HHKB 方向键
对于上了 HHKB 这条贼船的人来说,刚开始使用起来最大的别扭可能就是没有方向键的问题了. 最早的我使用 Karabiner 来解决,里边有一些内置的组合可以替代方向键,我用 control + hj ...
- 改了改之前那个很糙的XXX
将就着用X度去爬吧 <?php echo "***************************************\r\n"; echo "* SubDom ...
- Java入门教程十一(异常处理)
在程序设计和运行的过程中,发生错误是不可避免的.尽管 Java 语言的设计从根本上提供了便于写出整洁.安全代码的方法,并且程序员也尽量地减少错误的产生,但是使程序被迫停止的错误的存在仍然不可避免.为此 ...
- win10下安装LoadRunner12汉化包
1.前提是已经下载LoadRunner安装文件,及已经安装成功: 安装包: 安装成功后,桌面会出现3个图标: 下面,开始安装汉化包: 1.右键点击“HP_LoadRunner_12.02_Commun ...
- PDF 相关操作
去年一年偷了下懒, 博客写了一点就没写了, 还好一些大的flag完成了. 花了半年的空余时间, 培养了一门兴趣爱好. 自己在为人处世上还是不够圆滑啊, 也难怪. 自己当初选择走技术这条路的初 ...