《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》
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%)。
图表编号 | XD00174037000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.04 |
作者 | 刘宏生、冯华炜、张力、孟金蕙、董雪 |
绘制单位 | 辽宁大学生命科学院、辽宁省生物大分子模拟计算与信息处理工程研究中心、辽宁省药物分子模拟与设计工程实验室、辽宁大学生命科学院、辽宁大学生命科学院、辽宁省生物大分子模拟计算与信息处理工程研究中心、辽宁省药物分子模拟与设计工程实验室、辽宁大学生命科学院、沈阳市疾病预防控制中心 |
更多格式 | 高清、无水印(增值服务) |