A New Wavelet-Based Approach for Mass Spectrometry Data Classification

Cohen, Achraf; Messaoudi, Chaimaa; Badir, Hassan

doi:10.1007/978-3-319-99389-8_8

Cited by 2 publications

(2 citation statements)

References 30 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…An early study showed that the CWT-based method performed well in detecting true peaks [ 16 ]. Furthermore, some methods convert spectral signals into wavelet coefficients or calculate the statistics of spectral signals as features, rather than using peaks as features for cancer classification [ 17 , 18 ].…”

Section: Introductionmentioning

confidence: 99%

Towards Accurate Identification of Antibiotic-Resistant Pathogens through the Ensemble of Multiple Preprocessing Methods Based on MALDI-TOF Spectra

Chung

Wang

Chou

et al. 2023

IJMS

View full text Add to dashboard Cite

Matrix-assisted laser desorption/ionization time-of-flight (MALDI-TOF) mass spectrometry (MS) has been used to identify microorganisms and predict antibiotic resistance. The preprocessing method for the MS spectrum is key to extracting critical information from complicated MS spectral data. Different preprocessing methods yield different data, and the optimal approach is unclear. In this study, we adopted an ensemble of multiple preprocessing methods––FlexAnalysis, MALDIquant, and continuous wavelet transform-based methods––to detect peaks and build machine learning classifiers, including logistic regressions, naïve Bayes classifiers, random forests, and a support vector machine. The aim was to identify antibiotic resistance in Acinetobacter baumannii, Acinetobacter nosocomialis, Enterococcus faecium, and Group B Streptococci (GBS) based on MALDI-TOF MS spectra collected from two branches of a referral tertiary medical center. The ensemble method was compared with the individual methods. Random forest models built with the data preprocessed by the ensemble method outperformed individual preprocessing methods and achieved the highest accuracy, with values of 84.37% (A. baumannii), 90.96% (A. nosocomialis), 78.54% (E. faecium), and 70.12% (GBS) on independent testing datasets. Through feature selection, important peaks related to antibiotic resistance could be detected from integrated information. The prediction model can provide an opinion for clinicians. The discriminative peaks enabling better prediction performance can provide a reference for further investigation of the resistance mechanism.

show abstract

Section: Introductionmentioning

confidence: 99%

Towards Accurate Identification of Antibiotic-Resistant Pathogens through the Ensemble of Multiple Preprocessing Methods Based on MALDI-TOF Spectra

Chung

Wang

Chou

et al. 2023

IJMS

View full text Add to dashboard Cite

show abstract

“…Yaygın [18]. Meme kanseri için elde edilen düşük kütleli SELDI spektrumları dalgacık dönüşümü ile T 2' li PCA istatistik metotlarıyla ön işlemeye tabi tutulduktan sonra yine SVM ile, kanser ve kontrol verisi %100 doğrulukta sınıflandırılmıştır [19].…”

Section: Introductionunclassified

Kütle Spektrometresi Verileri Kullanılarak Yumurtalık Kanserinin Yapay Sinir Ağlarıyla Sınıflandırılması

Yeşilbaş¹,

Güven²

2021

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi

View full text Add to dashboard Cite

Kanserin fark edilme aşaması, diğer kanser türlerinde olduğu gibi iyileşme oranını etkiler. Yaşı ilerlemiş kadınlar için ciddi bir hastalık olan yumurtalık kanseri başlangıç aşamasında fark edilmez, çoğu zaman diğer hastalıklarla karıştırılır. Yüzey Güçlendirmeli Lazer Desorpsiyon/İyonizasyon Uçuş Zamanlı Kütle Spektrometresi (SELDI-TOF-MS) kompleks numunelerin incelenmesine olanak sağlayarak yumurtalık ve diğer kanser türlerinin ayırt edilmesinde potansiyel belirteçtir. Bu çalışmada, FDA-NCI web sitesinde yer alan yumurtalıklara ait iki Düşük Çözünürlüklü SELDI-TOF-MS veri setini Yapay Sinir Ağları (YSA) ile sınıflandırarak, veri setlerini karşılaştırıyoruz. Ön işleme adımı olarak, Temel Bileşenler Analizi (PCA-Principal Component Analysis) kullandık. PCA uygulanmış verinin en yüksek varyans oranına sahip 20 bileşeni seçildi, 10 nörondan oluşan tek gizli katmanlı İleri Yönlü YSA ile sınıflandırma yapıldı ve 4-3-02 isimli veri seti için %95 doğruluk elde edilirken, 8-7-02 isimli veri seti için %100 doğruluk elde edilmiştir.

show abstract

A New Wavelet-Based Approach for Mass Spectrometry Data Classification

Cited by 2 publications

References 30 publications

Towards Accurate Identification of Antibiotic-Resistant Pathogens through the Ensemble of Multiple Preprocessing Methods Based on MALDI-TOF Spectra

Towards Accurate Identification of Antibiotic-Resistant Pathogens through the Ensemble of Multiple Preprocessing Methods Based on MALDI-TOF Spectra

Kütle Spektrometresi Verileri Kullanılarak Yumurtalık Kanserinin Yapay Sinir Ağlarıyla Sınıflandırılması

Contact Info

Product

Resources

About