Print

质谱成像中的计算策略综述

论文摘要

质谱成像(MSI)已广泛应用于蛋白质组学、代谢组学、脂质组学和糖组学,以及与组织医学诊断和临床应用相关的生物医学研究领域。质谱成像能提供生物组织样本中空间分子组成的信息。由于MSI数据量异常庞大,人工数据解析和可视化分析的低效率、低精度已成为了研究中的瓶颈。因此,近年来在MSI的相关研究中出现了各种计算算法协助数据解析。本文综述了MSI最常用的计算策略及其在生物医学研究中的应用,涵盖了MSI数据预处理、降维、聚类、分类等数据分析方法和MSI软件工具包的最新研究成果。

论文目录

  • 1 前言
  • 1 MSI数据预处理
  •   1.1 谱图处理
  •   1.2 峰检测和m/z-图像去噪
  • 2 降维处理
  •   2.1 线性降维处理
  •     2.1.1 主成分分析 （PCA）
  •     2.1.2 独立成分分析 （ICA）
  •     2.1.3 非负矩阵分解 （NMF）
  •     2.1.4 最大自相关系数 （MAF）
  •   2.2 非线性降维
  •   2.3 特征选择
  • 3 聚类
  •   3.1 K-均值 （K-means） 算法
  •   3.2 层次聚类 （HC）
  •   3.3 自组织图 （SOM）
  •   3.4 其他聚类算法
  • 4 分类
  •   4.1 支持向量机算法
  •   4.2 随机森林算法
  •   4.3 其他统计和机器学习算法
  • 5 MSI软件
  • 6 结论

    • 文章来源

    类型: 期刊论文

    作者: 许光,甘胜丰,李建军,杨莉

    关键词: 质谱成像,机器学习,分类,聚类,软件

    来源: 分析科学学报 2019年04期

    年度: 2019

    分类: 工程科技Ⅰ辑

    专业: 化学

    单位: 湖北第二师范学院计算机学院,Department of Computer Science Tex as A&M University Corpus Christi,Human Health Therapeutics National Research Council Canada

    基金: 湖北省教育厅科学研究计划指导性项目(No.B2015016)

    分类号: O657.63

    DOI: 10.13526/j.issn.1006-6144.2019.04.019

    页码: 497-506

    总页数: 10

    文件大小: 5535K

    下载量: 166

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/96b40bf6a1a98ab53a65a2d7.html