基于蛋白质组学的卵巢癌诊断方法研究

摘要

癌症是危害人类健康的常见病、多发病，癌症的早期发现对其治疗及愈后判断均具有非常重要的意义。血清蛋白组学模式诊断技术是一种新型的蛋白质组学平台，在此平台上通过高维质谱所获得的蛋白质质谱图可用做疾病的诊断标准。此技术在早期癌症的检测中具有一定的应用前景。目前发现通过蛋白指纹技术所获得的生物标记物，大多数是在特异性癌症微环境中所产生的低分子质量蛋白碎片，通过多种癌症的检测表明，其敏感性和特异性均优于传统的癌症标记物，对某些癌症的敏感性已达100％，特异性也超过95％，因而在癌症早期诊断和早期预警中具有重要临床应用价值。本文主要聚焦于蛋白质质谱数据的卵巢癌诊断。 本文介绍了蛋白质组学、蛋白质芯片，重点介绍了表面加强激光解吸电离质谱(SELDI-TOF)技术的基本原理、机理、临床应用及存在的问题。文中还介绍了卵巢癌质谱数据的预处理过程，预处理包括质谱数据的载入、重新取样、基线校正和去噪，用主成分分析进行了数据降维，以便于进行后面的分类工作。最后，本文进行卵巢癌数据分类。使用线性判别分析和K-最近邻域法，对降维后的数据进行了分类，并比较了在选用不同训练集和测试集的情况下，得出分类结果的错误率和敏感性及特异性。通过比较，得出运用线性判别作为分类器能取得较好的分类效果的结论。

目录

文摘

英文文摘

声明

第1章绪论

1.1本课题研究的意义和目的

1.2研究现状

1.2.1卵巢癌简介

1.2.2几种常用传统癌症诊断方法

1.2.3质谱技术研究现状

1.3本文主要工作及结构安排

第2章蛋白质组学与质谱技术

2.1生物信息学的研究背景与现状

2.1.1生物信息学

2.1.2生物信息学研究内容

2.1.3生物信息的应用与发展研究

2.2蛋白质组学

2.3蛋白质芯片

2.4表面加强激光解吸电离质谱(SELDI-TOF-MS)技术

2.4.1 SELDI-TOF-MS技术基本原理和特点

2.4.2机理研究

2.4.3临床应用

2.4.4存在的问题及展望

2.5本章小结

第3章蛋白质质谱数据的预处理及降维

3.1 MATLAB语言及生物信息工具包简介

3.1.1工程应用软件MATLAB简介

3.1.2 MATLAB主要优缺点

3.1.3 MATLAB在生物信息学上的应用

3.2 FDA-NCI数据库简介

3.3数据预处理

3.3.1载入的数据

3.3.2重新取样

3.3.3基线校正

3.3.4降噪

3.5基于主成分分析的蛋白质质谱数据降维方法研究

3.5.1主成分分析的概念

3.5.2主成分分析思想

3.5.3主成分分析的数学模型

3.5.4主成分分析几何意义

3.5.5主成分分析计算过程

3.5.6主成分分析性质

3.6本章小结

第4章基于线性判别分析的卵巢癌诊断研究

4.1非线性分类方法

4.1.1 k-最近邻域法

4.1.2决策树

4.1.3神经网络

4.2线性分类方法

4.2.1逻辑斯特回归(Logistic regression)

4.2.2线性判别分析(LDA)

4.3分类器的构造

4.3.1分类器构造流程图

4.3.2分类结果

4.3.3分类结果分析与评价

4.4本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢

作者简介