文献

J-GLOBAL ID：201802261245098946   整理番号：18A0537414

不平衡定量的質量スペクトル品質評価のための勾配ブースティングモデル【Powered by NICT】

Gradient boosting model for unbalanced quantitative mass spectra quality assessment

著者 (3件)： Chen Long (Department of Computer and Information Science, University of Macau, Taipa, Macau, China) ,  Zhang Tong (School of Electronic and Information Engineering, South China University of Technology, China) ,  Li Tianjun (Department of Computer and Information Science, University of Macau, Taipa, Macau, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SPAC  ページ： 394-399  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 同位体標識質量スペクトルの品質を制御する方法について述べた。このような質量スペクトルでは,標識(重)とラベル付けされていない(光)ペプチド対のプロファイルを,種々の条件で研究した生物学的試料についての貴重な情報を提供する。定量的LC-MS実験における品質管理の中核的タスクは,誤差プロファイルを持つ低品質スペクトルまたはペプチドを除去することである。この問題に対する最も一般的な使用した方法は,スペクトルデータのための分類器を訓練正(高品質)と負(低品質)に分離することである。しかし,誤差分布の少数は常に陽性試料によって支配される訓練データ,すなわち,クラス不均衡問題になる。Syntheic少数オーバサンプリング技術(SMOTE)を用いて,不均衡データを扱うために,分類器として極端な勾配ブースティング(Xgboost)モデルを適用した。訓練Xgboost分類器による種々の重-軽ペプチド比試料を評価し,SMOTE Xgboost分類器はペプチド比推定の信頼性を有意に増加させることを見出した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *品質 ,  *スペクトル ,  品質管理 ,  ペプチド ,  生体試料 ,  信頼性 ,  *非平衡状態 ,  *質量スペクトル
準シソーラス用語： *ブースティング ,  不均衡データ ,  オーバサンプリング ,  クラス不均衡 ,  訓練データ ,  スペクトルデータ ,  *品質評価 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 不平衡 ,  定量 ,  質量スペクトル ,  品質評価 ,  勾配ブースティング ,  モデル