跳到主要內容

臺灣博碩士論文加值系統

(34.204.180.223) 您好!臺灣時間:2021/08/06 00:01
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:楊景霖
研究生(外文):Ching-lin Yang
論文名稱:應用動態時間扭曲法結合蛋白質質譜圖
論文名稱(外文):Using Dynamic Time Warping to Combine Proteomics Mass Spectra
指導教授:黃貞瑛黃貞瑛引用關係
學位類別:碩士
校院名稱:輔仁大學
系所名稱:資訊工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:71
中文關鍵詞:蛋白質體前置處理質譜圖動態時間扭曲法
相關次數:
  • 被引用被引用:0
  • 點閱點閱:108
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
生物技術近來發展迅速,採用蛋白質體資料在偵測癌症的方面,也有相當不錯的成就。由高輸出量質譜儀產生的蛋白質質譜圖,常有資料偏移的問題,即質譜資料於x軸位置產生位移,因此實驗室常對同一分析樣本,提供多張質譜圖,作為資料分析之用。在消除差異的前提下,傳統的作法是取同一分析樣本之多張質譜圖的平均質譜圖,以克服誤差對後續資料處理之影響,如挑選質譜峰。雖然這種方式是最快速也是最方便的作法,但是卻無法有效的找出對應某一分析樣本的質譜圖。本論文的目的就在降低質譜儀所產生的資料偏移影響,以動態時間扭曲法為基礎,將之改良後,可結合兩或多張蛋白質體資料;此改良演算法實作後,並與平均質譜圖之方法作比較。本文對現有的質譜資料庫加以驗證,於合理的真正質譜峰誤差範圍中,以本文所改良之動態時間扭曲法結合的質譜圖,其挑選質譜峰的敏感度確實比傳統平均質譜圖為高,也就是可以把質譜儀所產生的資料偏移有效地降低。
第1章 簡介………………………………………………………………1
第2章 SELDI質譜儀與蛋白質質譜資料………………………………4
第2.1節 SELDI簡介……………………………………………………4
第2.2節 資料庫描述……………………………………………………8
第2.2.1節 人工模擬資料庫……………………………………………8
第2.2.2節 攝護腺癌症資料庫 …………………………………………10
第2.3節 輔助資料萃取工具……………………………………………11
第3章 動態時間扭曲法…………………………………………………14
第3.1節 動態時間校正的理論 …………………………………………14
第3.2節 動態時間校正的限制 …………………………………………18
第3.2.1節 端點的限制…………………………………………………18
第3.2.2節 區域性的限制………………………………………………18
第3.2.3節 全域性的限制………………………………………………23
第3.3節 使用動態時間扭曲法結合蛋白質質譜圖……………………24
第3.3.1節 評斷距離函式………………………………………………25
第3.3.2節 區域性限制…………………………………………………27
第3.3.3節 全域性限制…………………………………………………28
第3.3.4節 質譜圖的結合方式 …………………………………………30
第3.3.5節 多筆質譜圖的結合 …………………………………………33
第4章 實驗結果與討論…………………………………………………35
第4.1節 人工模擬資料庫………………………………………………35
第4.1.1節 MS全域性限制………………………………………………37
第4.1.2節 Sakoe-Chiba帶狀限制……………………………………44
第4.1.3節 MS全域性限制 vs. Sakoe-Chiba帶狀限制……………50
第4.2節 攝護腺癌症資料庫……………………………………………52
第4.3節 結果討論………………………………………………………57
第5章 結論與未來展望…………………………………………………59
第5.1節 結論……………………………………………………………59
第5.2節 未來展望………………………………………………………60
參考文獻…………………………………………………………………62
附錄一:MS全域性限制之實驗結果……………………………………65
附錄二:Sakoe-Chiba帶狀限制之實驗結果…………………………69
[1]廖辰中,陽明大學生物化學研究所,”蛋白質體生物科技”,《科學發展》381期,28~33頁,2004年9月
[2]EF. Petricoin, GB. Mills, EC. Kohn and LA. Liotta, “Proteomic Patterns in Serum and Identification of Ovarian Cancer“, Lancet 360: 170-171, 2002.
[3]W. Yu, X. Li, J. Liu, B. Wu, K. Williams and H. Zhao, “Multiple Peak Alignment in Sequential Data Analysis: a Scale-Space Based Approach”,IEEE/ACM Transactions on Computational Biology and Bioinformatics, Vol. 3, no. 3, 208-219, 2006
[4]Y. Yasui, M. Pepe, ML. Thompson, BL. Adam, GL Jr. Wright, Y. Qu, JD. Potter, M. Winget, M. Thornquist, Z. Feng, ”A Data-Analytic Strategy for Protein Biomarker Discovery : Profiling of High-Dimensional Proteomic Data for Cancer Detection”, Biostatistics, 4, 449-463, 2003
[5]H. Zhang, B. Kong, X. Qu, L. Jia, B. Deng and Q. Yang, ”Biomarker discovery for ovarian cancer using SELDI-TOF-MS”, Gynecologic Oneology, 102, 61-66, 2006
[6]Simulated Proteomics Spectra, http://bioinformatics.mdanderson.org/Supplements/Datasets/Simulations/index.html
[7]R language, http://www.r-project.org/
[8]RA. Kavaler, M. Lowy, H. Murveit and RW. Brodersen, ”A Dynamic-Time-Warp Integrated Circuit for a 1000-Word Speech Recognition System”, IEEE Journal of Solid-State Circuits, Vol. sc-22, no. 1, 1987
[9]C. Furlanello, S. Merler and G. Jurman, “Combining Feature Selection and DTW for Time-Varying Functional Genomics”, IEEE Transactions on Signal Processing, Vol. 54, no. 6,2436-2443, June 2006
[10]CP. Wang and TL. Isenhour, “Time-Warping Algorithm Applied to Chromatographic Peak Matching Gas ChromatographyFourier Transform InfraredIMass Spectrometry”, Anal Chem, 59, 649–654, 1987
[11]RJO. Torgrip, M. Aberg, B. Karlberg and SP. Jacobsson, “Peak Alignment Using Reduced Set Mapping”, J. Chemometrics, 17, 573-582, 2003
[12]G. Tomasi, F. van den Berg and C. Andersson, ”Correlation Optimized Warping and Dynamic Time Warping as Preprocessing Methods for Chromatographic Data”, J. Chemometrics, 18, 231-241, 2004
[13]A. Kassidas, JF. MacGregor and PA. Taylor, "Synchronization of Batch Trajectories Using Dynamic Time Warping ", AIChE J., Vol 44, no. 4, 864-875, 1998
[14]H. Sakoe and S. Chiba, "Dynamic Programming Algorithm Optimization for Spoken Word Recognition ",IEEE Transactions on Acoustics, Speech and Signal Processing, Vol. ASSP-26, no. 1, 43-49, 1978
[15]EJ. Gavin and L. Braginsky, ”Variable Width Digital Filter for Time-of-flight Mass Spectrometry”, Ciphergen Biosystems, Inc., U.S Patent 6586728, May 2000
[16]凌浩航,輔仁大學資訊工程所,”蛋白質體資料之質譜偵測與對齊”,2006年7月
[17]JS. Morris, KR. Coombes, J. Koomen, KA. Baggerly and R. Kobayashi, ”Feature Extraction and Quantification for Mass Spectrometry in Biomedical Applications Using the Mean Spectrum”, Bioinformatics,Vol. 21, no. 9, 1764–1775, 2005
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 吳靜吉、程炳林(民81)。激勵的學習策略量表之修訂。測驗年刊,第39期,頁59-78頁。
2. 吳百薰(民87)。「學習風格理論探究」。國教輔導,第37卷第五期,頁47-53。
3. 朱湘吉(民81)。〈新觀念、新挑戰-建構主義的教學系統〉。《教學科技與媒體》,2,15-20頁。
4. 王全世(民89)。資訊科技融入教學之意義與內涵。資訊與教育,第86期,頁23-31。
5. 李世忠 (民81):從電腦教學到超(串連)媒體。教育資料集刊,17,頁303-322。
6. 周崇儒(民89)。談建構主義的教學。研習資訊,17(3),頁43。
7. 林奇賢、馬榮燦、林志能(民89)。”網路學習與網路學校的發展對教師專業表現的衝擊”。資訊與教育雜誌,79期,2-12頁。
8. 夏惠汶(民84)。職業學校課程與教學初探。技術及職業教育雙月刊,第28期,頁32-34。
9. 徐新逸 (民84)。如何借重電腦科技來提昇問題解決能力?-談「錨式情境教學法」知理論基礎與實例應用(上)。教學科技與媒體,20期,25-41。
10. 張淑萍(民89)。談新世代教師如何利用網路學習社群進行e_learning。研習資訊,第17卷第6期,頁76-81。
11. 張靜嚳(民84):何謂建構主義?建構與教學,3期。彰化師大科學教育中心。
12. 張靜嚳(民85)。傳統教學有何不妥。建構與教學,第4期,頁1-2。
13. 陳嘉彌 (民86)。網路互動式遠距教學策略知構想與其可行性。教學科技與媒體,34期,42-46
14. 葉玉珠(民91)。高層次思考教學設計的要素分析。中山通識教育學報,9107,p75-101。
15. 董媛卿(民83)。職業學校學生行為特質分析與建議。技術及職業教育雙月刊,第23期,頁29-31。