基于贝叶斯-神经网络筛选矽肺早期标志物及建立诊断模型
应用液体芯片-飞行时间质谱技术检测了79例早期矽肺组和25例非暴露正常对照组的血清蛋白质.以贝叶斯判别法的最小错误率为目标函数,借助遗传算法全局优化搜索能力,筛选出能代表早期矽肺病人分类特征的最小最优差异蛋白质谱峰子集.用选定的差异蛋白质谱峰子集建立早期矽肺的神经网络诊断模型,该模型的特异性为96%,敏感性为96.25%,准确率为96.15%.其中,1 777 u蛋白质谱峰经过二级质谱鉴定其氨基酸序列为补体C3的1个片段C3f(complement C3f),该片段在矽肺暴露人群中异常低,具有潜在的诊断意义.
液体芯片-飞行时间质谱(MALDI-TOF-MS)、矽肺、贝叶斯、神经网络、标志物
32
R135.2;TP183(劳动卫生)
国家自然科学基金面上项目30771788;天津市卫生局科技基金项目06KG10
2011-05-04（万方平台首次上网日期，不代表论文的发表时间）
共5页
50-54
