基于分類機制的唾液中胃癌標志物的篩選.pdf

1、唾液中包含著大量的蛋白質分子，其中很多異常表達的蛋白與疾病檢測相關，而且唾液樣本相對于其它體液比如血液和尿液更容易獲取，因而唾液逐漸成為進行無損檢測疾病標志物的重要體液。幸運的是，飛速發(fā)展的分子生物學中的組學技術，例如基因組學、蛋白質組學、代謝組學、轉錄組學等，以及計算機科學中的機器學習、模式識別等算法在研究工作中的滲透，為標志物的發(fā)掘提供了新的思路和科學方法，使得在多種生物大分子中檢測出重要所需標志物的過程變得簡潔和高效。
　　

2、本文主要應用基于分類機制的挖掘方法，來識別那些由于過度表達而可能分泌到唾液中的蛋白分子。首先通過Sys-BodyFluid和Pfam兩個數據庫篩選出機器學習算法需要的訓練集和測試集的數據，結合血液和尿液中疾病標志物挖掘的計算方法所選用的屬性集以及通過唾液蛋白基因本體功能富集分析確定的關鍵詞屬性，本文構建了唾液蛋白的原始屬性集，并提出了結合EBD離散化方法以及FCBF＃屬性選擇的特征選取算法，構建了基于支持向量機（SVM）的分類器。分類器

3、在1183個蛋白的測試集分類準確率在85％。然后將分類器用于來自Oncomine和ArrayExpress兩個數據庫中由于胃癌而過度表達蛋白的分析和判斷。結果判斷出320個過度表達的蛋白具有唾液蛋白的特性，即有可能分泌到唾液中。經過GeneCards和iHOP兩個數據庫的文獻查詢和分析，進一步明確32個蛋白可以作為唾液中胃癌檢測的專一性標志物。
　　本文對結果進一步進行了分析，通過對這些專一性蛋白的路徑富集分析，尋找到與癌癥細胞增