基于ACO-SVM的质谱数据分析

摘要：

生物信息学应用领域存在高维小样本和内部空间疏散的特性,因而数据分析面临着巨大的挑战.基于此,在蚁群算法的搜索过程中将特征的信噪比作为先验信息,结合支撑向量用于筛选血清蛋白相关生物标记物,实验结果表明,该方法建立的癌症诊断模型取得了较好的分类性能测试仿真结果,敏感度和特异度分别达到94%和92.4%.

关键词：表面增强激光解析电离飞行时间质谱、蛋白质组学、蚁群优化算法、特征选择技术、生物标记物

所属期刊栏目：36

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目60474030

在线出版日期：2010-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：158-160