基于半监督卷积 Transformer 的数据非依赖采集质谱数据峰检测
计算机视觉与模式识别
2020-10-28 v1 定量方法
摘要
基于液相色谱-质谱联用（LC-MS）的方法常用于蛋白质组（即给定时刻样本中全部蛋白质的集合）的高通量定量测量。靶向 LC-MS 以二维时间序列谱的形式产生数据，一侧轴为分析物的质荷比（m/z），另一侧轴为色谱的保留时间。目标肽段的洗脱在多个碎片离子迹线（提取离子色谱图，或 XICs）上产生高度特定的模式。在本文中，我们将此峰检测问题表述为多元时间序列分割问题，并提出了一种基于 Transformer 架构的新方法。在此，我们将能够全局视角捕捉长距离依赖的 Transformers 与能够捕捉当前任务重要局部上下文的卷积神经网络（CNNs）相结合，以具有卷积自注意力的 Transformers 形式增强。我们进一步通过使最先进的半监督图像分类技术适应多通道时间序列数据，以半监督方式训练该模型。在代表性 LC-MS 数据集上的实验使用人工标注进行基准测试，展示了我们方法令人鼓舞的性能；它优于基线神经网络架构，并与当前最先进的自动峰检测技术具有竞争力。
引用
@article{arxiv.2010.13841,
title = {Peak Detection On Data Independent Acquisition Mass Spectrometry Data With Semisupervised Convolutional Transformers},
author = {Leon L. Xu and Hannes L. Röst},
journal= {arXiv preprint arXiv:2010.13841},
year = {2020}
}