MALDI-TOF 质谱中峰值识别的贝叶斯非参数模型
应用统计
2011-07-28 v1
摘要
我们提出了一种基于 Lévy 自适应回归核 (LARK) 的新型非参数贝叶斯方法，用于对 MALDI-TOF（基质辅助激光解吸电离飞行时间）质谱产生的光谱数据进行建模。这种基于模型的方法通过模型参数提供蛋白质的识别和定量，这些参数可直接解释为蛋白质数量、质量、丰度和峰分辨率，同时具有像基于小波的方法那样适应未知光滑性的能力。关于分辨率的先验信息分布是区分真实峰与背景噪声以及将宽峰解析为多个蛋白质物种的单个峰的关键。使用可逆跳跃马尔可夫链蒙特卡罗算法获得后验分布，并提供关于峰（蛋白质）数量、其质量和丰度的推断。我们通过模拟研究表明，该程序具有理想的真阳性率和错误发现率。最后，我们在五个示例光谱上说明了该方法：空白光谱、仅含有用于嵌入目标蛋白质的低分子量物质基质的光谱、含有已知蛋白质的光谱，以及来自一位肺癌患者的单个光谱和十个光谱的平均值。
引用
@article{arxiv.1107.5407,
title = {Bayesian nonparametric models for peak identification in MALDI-TOF mass spectroscopy},
author = {Leanna L. House and Merlise A. Clyde and Robert L. Wolpert},
journal= {arXiv preprint arXiv:1107.5407},
year = {2011}
}
备注
Published in at http://dx.doi.org/10.1214/10-AOAS450 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)