一种基于MALDI-ToFMS的数据的疾病诊断模型制造技术

本申请涉及一种基于MALDI

【技术实现步骤摘要】
一种基于MALDI
‑
ToF MS的数据的疾病诊断模型


[0001]本申请涉及生物医药领域，具体的涉及一种基于MALDI
‑
ToF MS的数据的疾病诊断模型。

技术介绍

[0002]基质辅助激光解吸电离飞行时间质谱(matrix
‑
assisted laser desorption/ionization time
‑
of
‑ꢀ
flight mass spectrometry，简称MALDI
‑
TOF MS)技术，是20世纪80年代末问世并迅速发展起来的一种质谱分析技术。其质量分析器是一个离子漂移管(iondirfttube)，由离子源产生的离子首先被收集，在收集器中所有离子速度变为0，使用一个脉冲电场加速后进入无场漂移管，并以恒定速度飞向离子接收器，离子质量越大，到达接收器所用时间越长；离子质量越小，到达接收器所用时间越短。根据这一原理，可以把不同质量的离子按质荷比大小进行分离，准确检测多肽、蛋白质、核酸、多糖等生物大分子的分子质量和纯度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MALDI
‑
ToF MS数据的慢性肾脏病(CKD)诊断模型的构建方法，所述方法包括：i)使用最小绝对收缩和选择算子Lasso、偏最小二乘判别分析PLS
‑
DA和交叉验证递归消除RFECV三种机器学习方法对CKD人群和健康人群的尿液样本的MALDI
‑
ToF MS数据进行特征峰筛选，将符合三种机器学习方法中任意一种的峰被选为候选特征峰；其中，在Lasso选择中，随机选取测试数据集的80％样本，重复200次，选取重复出现频率>10％的峰值作为CKD的差异特征峰；在PLS
‑
DA选择中，选取VIP得分排名前30的峰作为CKD的差异特征峰；在RFECV选择中，选取importance得分排名前30的峰作为CKD的差异特征峰；ii)把i)中同时满足每组frequency>30％且AUC>60％的候选特征峰筛选为特征峰；iii)利用识别出的差异特征峰，采用机器学习方法建立CKD疾病诊断模型。2.根据权利要求1所述的方法，其中所述i)中将符合以下标准中任一种的峰选为候选特征峰：其中，在Lasso选择中，随机选取测试数据集的80％样本，重复200次，选取重复出现频率>20％的峰值作为CKD的差异特征峰；在PLS
‑
DA选择中，选取VIP得分排名前20的峰作为CKD的差异特征峰；在RFECV选择中，选取importance得分排名前20的峰作为CKD的差异特征峰。3.根据权利要求1所述的方法，其中所述i)中将符合以下标准中任一种的峰选为候选特征峰：其中，在Lasso选择中，随机选取测试数据集的80％样本，重复200次，选取重复出现频率>30％的峰值作为CKD的差异特征峰；在PLS
‑
DA选择中，选取VIP得分排名前10的峰作为CKD的差异特征峰；在RFECV选择中，选取importance得分排名前10的峰作为CKD的差异特征峰。4.根据权利要求1
‑
3中任一项所述的方法，所述采用机器学习方法建立CKD疾病诊断模型包括采用机器学习方法应用5次重复10折交叉验证的建模方式建立疾病诊断模型。5.根据权利要求4所述的方法，所述机器学习方法包括：支持向量机(SVM)、随机森林(RF)、朴素贝叶斯(NB)、梯度提升(GBM)、K
‑
最近邻(KNN)、条件推断决策树(ctree)和/或自适应增强(Adaboost)。6.根据权利要求1
‑
5中任一项所述的方法，所述方法包括：i)对CKD人群和健康人群的尿液样本进行MALDI
‑
ToF MS检测读取，获得两组尿液多肽的指纹图谱；ii)对CKD人群和健康人群的尿液多肽的指纹图谱进行质控处理和标准化处理；iii)使用最小绝对收缩和选择算子Lasso、偏最小二乘判别分析PLS
‑
DA和交叉验证递归消除RFECV三种机器学习方法对CKD人群和健康人群的尿液多肽的指纹图谱进行特征峰筛选，将符合三种机器学习方法其中一种的峰被选为候选特征峰；其中，在Lasso选择中，随机选取测试数据集的80％样本，重复200次，选取重复出现频率>10％的峰值作为CKD的差异特征峰；在PLS
‑
DA选择中，选取VIP得分排名前30的峰作为CKD的差异特征峰；在RFECV选择中，选取importance得分排名前30的峰作为CKD的差异特征峰；ii)把i)...

【专利技术属性】
技术研发人员：周宏伟，李泽文，曾念宜，郑道文，
申请(专利权)人：南方医科大学珠江医院，
类型：发明
国别省市：