基于粒子群優(yōu)化的選擇性自助集成算法用于肺癌血清的1H NMR代謝組學(xué)數(shù)據(jù)分析研究.pdf

1、作為研究全部生物分子的組學(xué)之一，代謝組學(xué)以大量的包括部分氨基酸、脂質(zhì)、有機(jī)酸等小分子在內(nèi)的代謝產(chǎn)物為研究對(duì)象，對(duì)它們的變化和代謝途徑進(jìn)行整體分析，從而產(chǎn)生富含變量的數(shù)據(jù)。如何從多維、復(fù)雜的數(shù)據(jù)中挖掘出潛在的關(guān)鍵性信息是完成代謝組學(xué)數(shù)據(jù)分析任務(wù)的重心。選擇性集成學(xué)習(xí)算法是一類從眾多集成學(xué)習(xí)器中選擇出部分學(xué)習(xí)器參與集成從而獲得更好的泛化性能和更高的預(yù)測(cè)效率的方法，是集成學(xué)習(xí)算法性能提高的新思路，近些年已日益引起研究者們的關(guān)注。在本論文中，鑒

2、于代謝組學(xué)數(shù)據(jù)固有的特性、自助集成學(xué)習(xí)算法(Bagging)的優(yōu)缺點(diǎn)以及粒子群優(yōu)化算法(PSO)強(qiáng)大的優(yōu)化性能，引入粒子群優(yōu)化算法來(lái)提高Bagging算法的性能，發(fā)展了一種選擇性Bagging算法，并將其用于提高基礎(chǔ)學(xué)習(xí)算法分類樹(CT)和偏最小二乘-判別分析(PLS-DA)的穩(wěn)定性和泛化能力，由此提出了兩種新穎的代謝組學(xué)數(shù)據(jù)解析方法，分別開(kāi)展了以下兩方面研究:
　　(1)從集成學(xué)習(xí)算法的泛化誤差/偏差分解理論基礎(chǔ)出發(fā)，在保證子模

3、型準(zhǔn)確度的同時(shí)，增大子模型間的差異性，能進(jìn)一步提高集成算法的性能。因此，在本章中，提出基于粒子群優(yōu)化的選擇性自助集成(Bagging)算法，并將其用于提高不穩(wěn)定的模式識(shí)別技術(shù)—CT的穩(wěn)定性和泛化性能，發(fā)展了一種新型的代謝組學(xué)數(shù)據(jù)解析技術(shù)，即，PSOBAGCT。該算法首先采用Bagging思路產(chǎn)生一系列差異性較大的CT模型(即自助集成分類樹算法，BAGCT)，然后，同時(shí)考慮集成模型的誤差和子模型之間的差異性來(lái)設(shè)計(jì)PSO算法中的目標(biāo)函數(shù)，利

4、用PSO來(lái)選擇部分準(zhǔn)確度高且差異性大的子模型用于最終的模型集成，最后采用相對(duì)多數(shù)投票法產(chǎn)生最終學(xué)習(xí)器集成的輸出結(jié)果。在本章中，PSOBAGCT算法被用于基于1H NMR收集到的三組血清樣本的代謝組學(xué)數(shù)據(jù)分析中，這三組樣本分別是健康的志愿者、新診斷的肺癌患者和治療后又復(fù)發(fā)的肺癌患者，并將BAGCT和CT也用于該數(shù)據(jù)解析中，以驗(yàn)證新算法的性能。結(jié)果表明:Bagging算法能夠顯著改善單一識(shí)別模型分類樹的識(shí)別性能和穩(wěn)定性，而且選擇性自助集成分

5、類樹算法(PSOBAGCT)通過(guò)引入PSO算法使得其泛化能力明顯優(yōu)于自助集成分類樹算法(BAGCT)。此外，通過(guò)該算法還獲得了可以區(qū)分肺癌患者與健康者的顯著性代謝物，如脂質(zhì)、乳酸、糖蛋白、丙氨酸、蘇氨酸、肌醇、3-羥基丁酸鹽、二甲胺、谷氨酰胺、脯氨酸和三甲胺。
　　(2)考慮到PLS-DA模式識(shí)別技術(shù)在代謝組學(xué)數(shù)據(jù)解析中的優(yōu)缺點(diǎn)，在本章中以此為基本學(xué)習(xí)器，將第二章發(fā)展的選擇性自助集成(PSOBAG)算法用于提升PLS-DA算法的識(shí)

6、別性能，形成了另一種新型的代謝組學(xué)數(shù)據(jù)解析方法，即:基于粒子群優(yōu)化的選擇性自助集成偏最小二乘-判別分析(PSOBAGPLS-DA)。該方法通過(guò)引入PSO算法，實(shí)現(xiàn)了對(duì)所有由Bagging算法訓(xùn)練產(chǎn)生的PLS-DA模型(即自助集成偏最小二乘-判別分析，BAGPLS-DA)的優(yōu)選。同樣地，PSOBAGPLS-DA聯(lián)合BAGPLS-DA、PLS-DA被用于基于1HNMR的肺癌血清代謝組學(xué)數(shù)據(jù)分析中。研究表明:采用Bagging算法訓(xùn)練產(chǎn)生一系