乳腺癌代谢物组模式特征发现方法及HPLC/M S/M S分析

提出一种基于单独最优特征组合和BP神经网络的代谢物组模式特征发现方法,并用其寻找到尿样中与乳腺癌最为相关的4种核苷,组成一组特异性检测参数.经HPLC/MS/MS联用法鉴定,它们是乳清酸核苷、1-甲酰化腺苷、S-腺苷-L-蛋氨酸及N²-甲酰化鸟苷.将这4种核苷作为输入变量,用BP神经分类网络建立乳腺癌诊断模型.留一法交叉验证和独立验证结果表明,该模型预测准确率达到90%以上.     

预测毛细管区带电泳有效淌度的支持向量回归建模方法

提出预测毛细管电泳迁移行为的支持向量回归建模方法。以核苷为实际研究对象,利用正交试验获得的数据,结合二标记物技术,用支持向量回归算法建立毛细管区带电泳的柱温、电压、缓冲液浓度和pH值与3种核苷的有效淌度之间的相关模型。将其与偏最小二乘回归和人工神经网络方法相比较,结果表明所建模型的预测准确性优于后两者,适宜用于毛细管电泳迁移行为的预测。