马尔可夫随机场与质谱判别
机器学习
2014-10-14 v1 应用统计
统计计算
摘要
对于通过 MALDI 或 SELDI 技术从癌症患者获取的质谱，机器学习方法常被用于自动区分癌症类型或分期。这些技术通常生成难以进行生物学解释的“黑盒”分类器。我们开发了新型高效的特征发现算法，能够生成可解释的特征签名，这些签名结合了由明确选定的小组生物标志物（通过其 m/z 比识别）所具有的判别能力。我们的方法基于对“同质”质谱数据集的严格随机建模，采用了一类通用的参数化马尔可夫随机场 (Markov Random Fields)。我们提出了经过精确理论结果验证的详细算法。此外，我们概述了将该方法成功应用于六个基准判别任务的测试结果，这些任务基于从结直肠癌患者以及卵巢癌患者获取的质谱，生成了高效的显式特征签名。
引用
@article{arxiv.1410.3234,
title = {Markov Random Fields and Mass Spectra Discrimination},
author = {Ao Kong and Robert Azencott},
journal= {arXiv preprint arXiv:1410.3234},
year = {2014}
}
备注
43pages, 3 figures, 4 tables