《表2.开源的MALDI-TOF MS数据预处理工具》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《机器学习在MALDI-TOF MS鉴定微生物中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

考虑到MALDI-TOF MS数据具有的高维度和小样本量特征[61]，常用GA对MALDI-TOF MS数据进行特征选择。1997年，Broadhurst等[62]将GA用作热解MS的特征选择算法。GA可以用于寻找多元线性回归（multiple linear regression，MLR）和偏最小二乘法（partial least squares，PLS）回归等模型中回归变量的最优子集，从而将变量从150降至20以下。2011年，为了实现芽孢杆菌（Bacillus）的鉴定和种水平分类，Correa等[63]将GA与贝叶斯网络算法（bayesian network，BN）相结合，依据数据子集的不同，将变量从150个降低到22–39个。此外，GA-BN在芽孢的生物标记物挖掘方面也具有优越的性能。2017年，Bai等[64]提出了一种基于wrapper的改良GA对MRSA和MSSA的MS进行特征选择，在采用SVM进行分类后，改良的GA算法明显优于传统方法，平均准确率为72%，平均敏感性为71%（比传统算法高1.6%）。