Cell Discovery| 蛋白质组学+人工智能| 基于蛋白质的甲状腺结节人工智能分类器

简介: Cell Discovery| 蛋白质组学+人工智能| 基于蛋白质的甲状腺结节人工智能分类器

COVER

Sun Y, Selvarajan S, Zang Z, et al. Artificial intelligence defines protein-based classification of thyroid nodules [published correction appears in Cell Discov. 2022 Sep 30;8(1):100]. Cell Discov. 2022;8(1):85. Published 2022 Sep 6. doi:10.1038/s41421-022-00442-x

❞❝

论文通讯为西湖大学郭天南和李子青,分别是组学和AI领域的大佬。

Abstract

作者开发一种「AI-defined protein-based biomarker panel」用于甲状腺结节诊断分类。最初基于福尔马林固定石蜡包埋(formalin-fixed paraffin-embedded,FFPE)样本,进一步改进为微量细针穿刺(fine-needle aspiration,FNA)组织标本。作者首先开发了一个基于1724个「FFPE」甲状腺组织样本的蛋白质组的19个蛋白质生物标记的「神经网络模型」。该分类器在分类恶性甲状腺结节的发现集中达到91%以上的准确性。在288个结节的回顾性队列中,通过盲法分析对分类器进行了外部验证(准确率89%;FFPE)和来自12个独立临床中心的294例FNA活检(准确率85%)的前瞻性队列。

神经网络模型的代码作者已开源,有兴趣的同学可以自行去原文查看链接。当然,如果大家需要木舟对代码进行注释复现,可以多多「点赞」「在看」「分享」本文。

The project design and workflow of the FFPE-PCT-DIA pipeline

image-20221113214941483

主要流程还是比较简单的,这里就不赘述。

Feature selection and classifier development

其他部分都比较常规,直接看一下模型部分。

Schematic workflow

特征选择

Data splitting

如图,将「发现队列」(discovery dataset)分为2/3的datasetA和剩下的datasetB。在datasetA中使用三折交叉验证(three-fold cross-validation)进行特征筛选(Feature selection)。

Flow diagram of genetic algorithm for protein features selection

根据「差异分析结果」以及「已发表文献报道」TCGAOMIM数据库分析与甲状腺癌诊断有关的蛋白,将原始的6689个蛋白筛选到1302个。再根据样本缺失率<35%,得到767个蛋白质。

35%缺失率阈值怎么确定的?

In process of feature selection, we explored different screening conditions, using 25%,30%,35%, and 40% as thresholds for the missing value. The data showed that at more relaxed screening conditions the higher number of candidate features were nominated and that the results became more unstable in the independent validation set. The features with higher missing value rates, although potentially providing better classification were not stably detected and may negatively affect the quality of the model if such features are selected. Finally, in our classifier, we clearly defined the criteria for feature selection and used 767 proteins that were missing in less than 35% of samples

随机生成500个每个包含19个蛋白(图中有误)的panel,在datasetA中进行交叉验证,并计算fitnessdatasetB对性能进行评估,选出最优panel

为了消除seed人为设置的随机性,作者比较了seed从0取到14对特征筛选的影响。

❞❝

为什么选择19个蛋白:

To determine the count of protein features in the panel, we compare the model performances on the different number of features from four to 35 proteins. The more features the better accuracy and AUC achieved and reached a plateau when using 13 proteins . But for the most similar two histopathology types, FA and FTC, 19 proteins achieved the highest accuracy. Therefore, we used 19 proteins as a panel in the present study.

line chart showing the model performance on different counts of protein features❞

fitness计算公式:

作者还使用了Lasso和RF对特征进行筛选,发现性能没有本方法好。

使用「SHapley Additive exPlanations」 (「SHAP」) 算法计算特征重要性。

he importance rank of the selected 19 protein features

神经网络模型训练

Structural diagram of neural network

使用全部发现队列进行训练。提取19个特征的表达矩阵。使用PyTorch进行MLP训练。使用5折交叉验证进行超参调优。

样本分类

对独立队列进行预测,评估模型性能。


代码

zangzelin/thyroid-project (github.com)(https://github.com/zangzelin/thyroid-project)

往期

CNS图表复现|生信分析|R绘图 资源分享&讨论群!


这图怎么画| 有点复杂的散点图


这图怎么画 | 相关分析棒棒糖图


组学生信| Front Immunol |基于血清蛋白质组早期诊断标志筛选的简单套路


(免费教程+代码领取)|跟着Cell学作图系列合集


Q&A | 如何在论文中画出漂亮的插图?


跟着 Cell 学作图 | 桑葚图(ggalluvial)


R实战 | Lasso回归模型建立及变量筛选


跟着 NC 学作图 | 互作网络图进阶(蛋白+富集通路)(Cytoscape)


R实战 | 给聚类加个圈圈(ggunchull)


R实战 | NGS数据时间序列分析(maSigPro)


跟着 Cell 学作图 | 韦恩图(ggVennDiagram)


相关文章
|
8天前
|
人工智能 JSON 安全
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
阿里云AI安全产品联动防御Fastjson攻击
2183 12
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
|
8天前
|
云安全 人工智能 安全
|
8天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max-Preview深度全解析:2.4万亿参数旗舰MoE模型+Token Plan限时优惠完整落地指南
2026年7月,全新旗舰级混合专家大模型Qwen3.8-Max-Preview正式开放抢先体验,作为通义千问Qwen3系列规格最高、综合推理能力顶尖的新一代模型,该模型总参数量达到2.4万亿(2.4T),是当前线上可调用的原生多模态旗舰模型,综合推理水准对标海外顶级Fable 5模型,在复杂工程开发、长文档深度分析、多步骤智能体自治、跨境多语言创作、海量数据挖掘五大高难度业务场景实现跨越式性能提升。
976 1
|
10天前
|
人工智能
Qwen3.8抢先体验!正式版即将发布并开源!
千问Qwen3.8即将开源,参数达2.4T,进化速度以“天”计,实力媲美Fable 5。预览版Qwen3.8-Max已上线阿里Token Plan等平台,限时优惠:日间Credits低至1折,夜间更优,个人/团队版月付仅35元起!
982 44
|
8天前
|
人工智能 自然语言处理 数据挖掘
最新版通义千问(Qwen3.8-Max-Preview)功能介绍
2026年,通义千问正式推出全新旗舰级大模型 **Qwen3.8-Max-Preview 预览版**,作为首款突破万亿参数规格的新一代基座模型,该模型总参数量达到**2.4万亿**,采用全新迭代的MoE混合专家架构,综合推理性能、长文本处理、多模态理解、复杂任务规划能力全面超越前代Qwen3.7-Max版本,整体实力跻身全球第一梯队,可对标海外顶级旗舰模型,是当前面向复杂工程开发、多智能体协同、超长文档解析、专业办公自动化场景的最优国产基座模型。
983 0
|
6天前
|
自然语言处理 测试技术 API
通义千问Qwen3.8-Max-Preview全功能解析:2.4万亿参数旗舰模型深度使用指南
在大模型技术持续迭代的当下,通义千问推出的Qwen3.8-Max-Preview作为新一代旗舰预览版模型,凭借2.4万亿参数的超大规模、多模态融合能力与全场景适配特性,成为开发者与企业用户探索AI应用的核心工具。该模型采用稀疏混合专家(MoE)架构,是通义千问首个突破万亿参数的多模态模型,可同时处理文本、图像、视频与文档等多种数据形态,在全栈代码开发、复杂逻辑推理、长文档分析与多智能体协作等场景实现跨越式升级。本文将全面拆解Qwen3.8-Max-Preview的核心功能,详解API调用流程与配置方法,覆盖多场景实战技巧,帮助用户快速掌握这款旗舰模型的使用方法,充分释放其性能潜力。
469 1
|
9天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南
Qwen3.8-Max-Preview是通义千问Qwen3系列旗舰MoE大模型,参数达2.4万亿,综合推理能力居行业第一梯队。支持思考/快速双模式,擅长大模型五大高难场景。现于阿里云百炼Token Plan、Qoder及QoderWork上线体验,个人版低至39元/月。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
685 1
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南