基于近红外光谱和支持向量机的子宫内膜癌早期诊断研究

近红外光谱结合化学计量学方法对癌症的辅助诊断已有了文献报道.该文测定了77例不同生理阶段的子官内膜组织病理切片的近红外光谱,对其分别进行多元散射校正(MSC)、正交信号校正(OSC)以及二者联用的预处理方法,采用拉丁配分法选择3/4样本作为训练集,1/4样本作测试集,建立支持向量机(SVM)模型进行分类,并与基于同样预处理方法建立的偏最小二乘(PLS)模型分类结果进行了比较.SVM对正常、增生和癌变三类不同的组织样品分类结果较好,总分类正确率约92%,好于PLS模型的结果(最高正确率90%).研究结果表明,光谱数据的预处理和建模方法对分类结果有重要影响,SVM结合子宫内膜组织的近红外光谱有望发展成为一种新型的肿瘤诊断方法.     

子宫内膜癌组织近红外光谱预处理与波段选择研究

应用近红外光谱技术对子宫内膜组织病理切片进行快速无损检测。收集了154样品光谱,其中正常样本的个数36个,增生的60个,癌变的58个。由于原始光谱中包含大量干扰信息,所以光谱预处理方法和波段选取的方法在近红外光谱分析中占有非常重要的地。利用多种预处理方法,包括一阶导数、多元散射校正、多项式最小二乘拟合求导、标准归一化、平滑、移动窗口中值滤波,对样品光谱进行了预处理。利用标准偏差谱来选取最优波段,选取的最优波段范围为4 000~6 000 cm-1。然后用处理后的光谱数据进行主成分分析,分类准确率达到100%。研究结果表明近红外光谱技术结合化学计量学方法可以作为一种癌症快速诊断的新技术,对于癌症的早期诊断和癌症组织的恶化过程研究具有重要的意义。     

Logistic回归算法结合近红外光谱对子宫内膜癌组织切片分类的研究

子宫内膜癌是一种常见的妇科癌症。实验将Logistic回归作为一种建模方法引入到子宫内膜癌分类诊断模型中。77个样本通过主成分判别分析和支持向量机判别分析进行降维,应用拉丁配分方法选择训练集和测试集并确定Logistic回归模型参数。结果表明,Logistic回归模型不仅能够对样本进行正确的分类,而且能将样本的分类归属趋势与临床诊断结果很好的一致。主成分判别分析结合Logistic回归有望发展为一种近红外光谱检测癌症组织的新方法。     

组蛋白去乙酰化酶抑制剂的分子对接与构效关系研究

肿瘤是仅次于心血管疾病的第二大"杀手",肿瘤的发生与核心组蛋白的乙酰化及去乙酰化的失衡有密切的关系.这两种酶是一对功能相互拮抗的蛋白酶,分别对组蛋白氮端氨基酸残基进行乙酰化和去乙酰化调节染色质的结构,进而调控基因转录.组蛋白去乙酰酶抑制剂在体外和体内实验中均能引起乙酰化核小体组蛋白的堆积,提高p21基因的表达水平,抑制肿瘤细胞的增殖,诱导细胞分化或凋亡.研究组蛋白去乙酰化酶抑制剂和酶的分子对接可以阐明抑制剂与蛋白酶的作用模式,揭示抗癌机理.同时利用CoMFA方法研究了抑制剂结构和活性之间的关系,得到了预测能力较好的定量模型.     

太赫兹时域光谱结合主成分分析线性判别和支持向量机用于大黄样品鉴定

太赫兹时域光谱技术(THz-TDS)结合主成分分析-线性判别分析(PCA-LDA)和支持向量机(SVM)用于正品大黄样品的鉴定。在时域测量41个大黄样品的太赫兹时域透射光谱,然后将这些时域信号转换成频域的吸收系数系数。根据样本的吸收系数建立了主成分分析-线性判别分析和支持向量机的定性分类模型,并对正品和非正品大黄样本的分类模型进行了交叉验证。模型的预测能力和稳定性使用自助拉丁配分进行评价,使用50次自助拉丁配分,配分数为4。使用主成分分析-线性判别分析和支持向量机均得到了满意的结果。提出的方法证明是一种方便、无污染、准确和无需化学处理的鉴定大黄样本的方法。该文提出的步骤可以应用于其他中草药分类和生产的质量控制。     

太赫兹技术在医学检测和诊断中的应用研究

近年来太赫兹科学技术日益受到科学界和工业界的重视并得到了较大的发展,太赫兹技术在医学领域上的应用已成为人们关注的重要方面之一。介绍了太赫兹波的特点、太赫兹光谱和成像技术;重点讨论了近年来太赫兹光谱和成像技术在医学检测和诊断领域中的应用和研究进展;并探讨了太赫兹光谱和成像技术发展中需要解决的问题以及今后发展的方向。     

亲电酮类HDAC抑制剂的3D-QSAR和分子对接研究

组蛋白去乙酰化酶抑制剂(histone deacetylase inhibitor,HDACi)是近年来治疗癌症的重要靶向药物,其中羟氨酸类,苯甲酰胺类多种药物已进入临床试验阶段,但对于亲电酮类HDACi还有待于进一步研究,本研究应用比较分子力场分析法(comparative molecular field analy...     

基于他克林的乙酰胆碱酯酶抑制剂的3D-QSAR研究及虚拟筛选

本文通过对58个他克林派生物乙酰胆碱酯酶抑制剂分子进行建模分析,研究其结构与活性的关系,并通过虚拟筛选方法获得一系列潜在AChE抑制剂双位点分子。首先将一系列他克林二联体化合物与AChE晶体结构对接,获得化合物的活性构象,以此进行建模分析,建立结构与活性之间的三维定量构效关系。所得模型CoMFA、CoMSIA、TopomerCoMFA的交叉验证系数分别为0.510、0.702、0.571,非交叉验证系数为0.998、0.988、0.794,测试集r_(pred)~2为0.750、0.742、0.766,所得模型具有良好的预测性,由此可以为设计高活性的新分子提供理论基础。然后,使用Topomer search对ZINC数据库中的125909分子进行虚拟筛选,得到891个具有潜在AChE抑制活性的分子。最后,对这891个分子进行分子对接,观察分子与晶体结构的结合情况,筛选得到66个具有高选择性的双位点AChE抑制剂分子。     

BP神经网络与近红外光谱定量预测杉木中的综纤维素、木质素、微纤丝角

利用近红外光谱(NIR)技术结合BP神经网络定量预测了杉木中的综纤维素、木质素和微纤丝角。首先对杉木的原始近红外光谱数据进行卷积(Savitzky-Golay)平滑和二阶导数处理,然后利用小波变换压缩,将由171个数据点组成的近红外光谱压缩为86个数据点,最后用BP神经网络建模,采用Leave-n-out交叉验证法对模型进行验证,并讨论了隐含层神经元个数、学习速率、动量因子和学习次数对所建BP网络的影响。用所建的网络模型预测了测试集中杉木样本的综纤维素、木质素和微纤丝角 ,预测的相关系数R2值分别为0.91, 0.90, 0.87,预测均方根误差RMSEP分别为：0.86%, 0.33%, 4.99%。结果表明该方法快速,无损,基本能满足定量分析的要求。