文件名称：基于适体的蛋白质组学数据分析与建模
文件大小：222KB
文件格式：ZIP
更新时间：2024-03-08 03:20:25
Python
介绍 当前依赖白细胞酯酶的尿路感染（UTI）诊断策略准确性有限。 我们进行了基于适体的蛋白质组学先导研究，以鉴定可将培养证明的UTI与培养阴性样品区分开的尿蛋白水平，而不论脓尿状态如何。 我们分析了16例尿路感染儿童，8例文化性脓尿和8例尿液培养阴性且无脓尿的尿液。 使用Somascan:trade_mark:平台对尿液中1,310种蛋白质的水平进行了定量，并针对尿肌酐进行了标准化。 进行了基于支持向量机（SVM）的特征选择的机器学习，以确定优化诊断准确性的尿液生物标志物组合。 八个候选尿蛋白生物标志物符合过滤标准。 B细胞淋巴瘤蛋白，CXC基序趋化因子6，CXC基序趋化因子13，组织蛋白酶S，热休克70kDA蛋白1A，促分裂原活化蛋白激酶，蛋白E7 HPV18和转胶蛋白。 AUC的范围从0.91到0.95。 带有径向基函数核的支持向量机可以实现最佳预测。 可以通过基于适体的蛋白质组学和机器学习的新兴技术
【文件预览】：
Aptamer-based-proteomics-data-analysis-and-modeling-master
----AUC_score_summary.png(142KB)
----toolkits()
--------__init__.pyc(107B)
--------data_utils.py(6KB)
--------ml_model.py(13KB)
--------ml_utils.py(6KB)
----nested_cross_validation.png(105KB)
----ExpLog.xlsx(12KB)
----README.md(1KB)