基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的生物數(shù)據(jù)分類.pdf

1、在過(guò)去的幾年時(shí)間里，人工智能在生命科學(xué)和醫(yī)學(xué)等各個(gè)領(lǐng)域都發(fā)揮著無(wú)可替代的重要作用。起初最主要應(yīng)用在序列分析中，這個(gè)方面時(shí)至今日也仍有很多重要問(wèn)題亟待解決。
　　隨著DNA測(cè)序技術(shù)的發(fā)展，新興的技術(shù)使得DNA和蛋白質(zhì)的線性序列數(shù)據(jù)呈幾何級(jí)數(shù)增長(zhǎng)。蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)（PSSP）這個(gè)領(lǐng)域的研究促進(jìn)了機(jī)器學(xué)習(xí)方法在序列分析中的應(yīng)用。本文有關(guān)蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)部分就是在這個(gè)研究背景的基礎(chǔ)上繼續(xù)進(jìn)行了探究。我們?cè)O(shè)計(jì)了新型集成網(wǎng)絡(luò)，新型網(wǎng)絡(luò)對(duì)所

2、占比例較多的結(jié)構(gòu)C卷曲結(jié)構(gòu)預(yù)測(cè)準(zhǔn)確率較高，其余兩種結(jié)構(gòu)α螺旋與β折疊預(yù)測(cè)準(zhǔn)確率和Q3準(zhǔn)確率表現(xiàn)平平。本文除了介紹神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等機(jī)器學(xué)習(xí)算法在蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)方面的應(yīng)用，還探索了基于這兩種算法的乳腺癌早期篩查。
　　針對(duì)蛋白質(zhì)二級(jí)結(jié)構(gòu)的數(shù)據(jù)是完成對(duì)其未知結(jié)構(gòu)的預(yù)測(cè)，而針對(duì)乳腺癌患者和健康人的一些指標(biāo)來(lái)對(duì)其是否患有乳腺癌做出早期的診斷。乳腺癌是一種發(fā)生在乳腺上皮的常發(fā)性惡性腫瘤，因此為臨床乳腺癌篩查診斷建立一種簡(jiǎn)單、快速、高

3、效的方法具有很強(qiáng)的實(shí)際意義。
　　本文提出了一種基于神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)的乳腺癌早期篩查方法。文中首先應(yīng)用PCA（主成分分析）對(duì)原始數(shù)據(jù)進(jìn)行降維處理，然后運(yùn)用神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)分別進(jìn)行訓(xùn)練最后達(dá)到預(yù)測(cè)的目的。文中所包含的實(shí)驗(yàn)數(shù)據(jù)是由258例新診斷為乳腺癌的病人和159例乳腺癌診斷為良性的病人，其中包含78例健康病例，選取的每個(gè)代謝組學(xué)的血斑點(diǎn)樣本包含23個(gè)氨基酸和26個(gè)?；鈮A。實(shí)驗(yàn)結(jié)果顯示，結(jié)合神經(jīng)網(wǎng)絡(luò)的方法得到最高的敏感度可

4、達(dá)到97.1%，特異度可達(dá)到93.9%，精確度可達(dá)到91.5%；結(jié)合支持向量機(jī)的方法得到的實(shí)驗(yàn)結(jié)果中，敏感度最高可達(dá)到93.5%，特異度最高為93.8%，精確度可達(dá)到93.6%。因此，兩種智能化算法各有千秋，在訓(xùn)練集數(shù)量與測(cè)試集數(shù)量相等或稍多于測(cè)試集數(shù)量時(shí)，神經(jīng)網(wǎng)絡(luò)方法表現(xiàn)較好；在訓(xùn)練集數(shù)量明顯多于測(cè)試集時(shí)，支持向量機(jī)方法表現(xiàn)較好。相比于之前參考文獻(xiàn)[42]中的蛋白標(biāo)記物的方法所達(dá)到的92.2%的敏感性和84.4%的特異性，文中方法有了