生物標志物的重要性早已被公眾、科學(xué)界和工業(yè)領(lǐng)域所認識。生物標志物可應(yīng)用于疾病的分型、預(yù)測、治療和預(yù)后，是臨床應(yīng)用轉(zhuǎn)化前期基礎(chǔ)，同時也是早期篩查的重要指標。
但真正被食品藥品監(jiān)督管理局批準的蛋白質(zhì)生物標志物數(shù)量不多，目前臨床上常規(guī)使用的蛋白質(zhì)生物標志物更少，主要原因是生物標志物開發(fā)效率低，包括臨床樣本質(zhì)量差、疾病的主觀臨床定義和客觀蛋白質(zhì)檢測結(jié)果之間的差距，以及在發(fā)現(xiàn)階段所識別的差異蛋白的高錯誤發(fā)現(xiàn)率。
在發(fā)現(xiàn)階段關(guān)注到的絕大多數(shù)蛋白都不能成為有效的biomarker，只有少數(shù)的陽性候選蛋白具有真正的應(yīng)用價值。因而開發(fā)一種從海量數(shù)據(jù)中篩選高通量、高靈敏、高準確性且成本合理的潛在生物標志物變得至關(guān)重要。
好消息是BIOTREE開發(fā)一種集成機器學(xué)習(xí)算法，將通量蛋白組的檢測數(shù)據(jù)整合統(tǒng)計學(xué)檢驗和線性回歸等特征選擇算法，高效的鑒定和識別驗證率高且分類效果顯著的生物標志物診斷panel，從而達到極.佳的預(yù)判效果，為疾病的分型、預(yù)測以及治療提供一個強有力的工具。
那么這個集成的機器學(xué)習(xí)算法的框架結(jié)構(gòu)是怎樣的呢？下面就由小編給大家娓娓道來：
框架結(jié)構(gòu)
整套機器學(xué)習(xí)算法體系分為5個階段：數(shù)據(jù)預(yù)處理、初篩選、潛在標志物組合、機器學(xué)習(xí)算法二次篩選、標志物驗證與評價，如下圖所示：
圖1.集成機器學(xué)習(xí)算法框架結(jié)構(gòu)
那么每一個階段可以獲得哪些核心的數(shù)據(jù)呢？
1.數(shù)據(jù)預(yù)處理與單維統(tǒng)計法初篩選
對高通量蛋白組的搜庫定量數(shù)據(jù)進行格式轉(zhuǎn)化、數(shù)據(jù)歸一化等處理，篩選滿足一定蛋白倍數(shù)變化(FC)， 且雙尾非配對Welch T檢驗小于0.01的差異蛋白。
2.潛在標志物組合
從差異蛋白中隨機選擇不超過一定數(shù)量的蛋白組成潛在的標志物組合(CPM)，每個蛋白的初始重量值設(shè)為1，并設(shè)置至少1000種group，作為備選CPM。
3.機器學(xué)習(xí)算法二次篩選
對于每個候選CPM，按照一定比率隨機生成一個訓(xùn)練集和一個測試集數(shù)據(jù)。利用集成的機器學(xué)習(xí)算法（多種特征選擇算法）對group進行分析并懲罰迭代優(yōu)化幾種蛋白質(zhì)的權(quán)重值。權(quán)重值越大說明該蛋白在區(qū)分不同分組樣本中的作用貢獻度越大。
圖2.機器學(xué)習(xí)算法二次篩選
4.標志物驗證與評價
進行5倍交叉驗證，根據(jù)Sn和1-Sp評分繪制ROC，計算AUC值。確定所有候選CPM的AUC值，并根據(jù)最高AUC值確定最優(yōu)的標志物診斷panel，混淆矩陣分析來評估機器學(xué)習(xí)策略的可靠性。
圖3.標志物診斷panel的ROC曲線圖
圖4. 標志物診斷panel的混淆矩陣
基于以上的層層篩選，關(guān)關(guān)把控，三高一好（高準確度、高特異性、高陽性率，穩(wěn)健性好）的臨床隊列樣本標志物診斷panel就閃亮登場啦~
最特別的一點是，小樣本量也能篩選出分類效果好，準確度高的標志物，不僅僅局限于臨床隊列大樣本，讓在醫(yī)學(xué)領(lǐng)域辛勤耕耘的老師們都有機會在標志物研究領(lǐng)域做些研究啦~
蛋白標志物診斷panel研究應(yīng)用案例
Ⅰ.口腔癌預(yù)后標志物研究
IF:12.121 PMID:30185791 Nat Commun 2018 09 05;9(1)
Oral squamous cell carcinoma-口腔鱗狀細胞癌(OSCC)是頭頸部最常見的惡性腫瘤，其不同區(qū)域具有特殊的組織病理學(xué)和分子特征因而限制了標準的腫瘤淋巴結(jié)轉(zhuǎn)移預(yù)后分類。因此，作者將無淋巴結(jié)轉(zhuǎn)移組(NO,n=14)與由淋巴結(jié)轉(zhuǎn)移組(N+,n=26)的唾液樣本進行蛋白組檢測，并開發(fā)一種用于測量肽和蛋白質(zhì)的預(yù)測能力的機器學(xué)習(xí)的工作流程，應(yīng)用機器學(xué)習(xí)策略，評估了多肽和蛋白質(zhì)的預(yù)測能力，篩選區(qū)分淋巴結(jié)轉(zhuǎn)移OSCC患者(N+)和無淋巴結(jié)轉(zhuǎn)移OSCC患者的預(yù)后標志物。
Ⅱ. 新冠肺炎的生物標志物
IF：22.553 Immunity 2020 11 17;53(5)
2019年冠狀病毒病(COVID-19)的爆發(fā)是一場全球公共衛(wèi)生危機。然而，對于新冠病毒-19的發(fā)病機制和生物標志物知之甚少，因此作者收集了來自武漢金銀潭醫(yī)院的新冠患者的血液樣本進行TMT標記定量蛋白組檢測并開發(fā)了一種機器學(xué)習(xí)的算法，確定一組可以準確區(qū)分/預(yù)測新冠肺炎不同癥型的生物標記物組合。并且這些宿主蛋白的變化為COVID-19的發(fā)病機制提供了非常有價值的見解。