張 敏，黃 鋼

（1.上海理工大學(xué) 健康科學(xué)與工程學(xué)院，上海 200093；2.上海健康醫(yī)學(xué)院附屬嘉定中心醫(yī)院 上海市分子影像學(xué)重點(diǎn)實(shí)驗(yàn)室，上海 201318）

0 引言

質(zhì)譜成像（Mass Spectrometry Imaging，MSI）是一項(xiàng)快速發(fā)展的免標(biāo)記分子成像技術(shù)，能夠?qū)崿F(xiàn)蛋白質(zhì)、肽、脂質(zhì)、代謝物和藥物分子等多種分子的空間分布可視化和相對(duì)定量分析，具有高靈敏度和分子特異性［1］。這些分子數(shù)據(jù)可以在通路識(shí)別、生物標(biāo)志物發(fā)現(xiàn)、手術(shù)指導(dǎo)、改善臨床診斷和預(yù)后等方面發(fā)揮重要作用［2-4］。近年來(lái)，研究者更多關(guān)注MSI 技術(shù)的空間分辨率、分子覆蓋深度和采集吞吐量的提升，大大增加了MSI 的數(shù)據(jù)量。因此，更有效、更準(zhǔn)確地挖掘MSI 數(shù)據(jù)以識(shí)別具有臨床重要性的分子特征并實(shí)現(xiàn)新的生物標(biāo)志物發(fā)現(xiàn)的計(jì)算發(fā)展是擴(kuò)大MSI 應(yīng)用的有效方式［5］。然而，由于MSI 數(shù)據(jù)的復(fù)雜性，傳統(tǒng)的機(jī)器學(xué)習(xí)算法在數(shù)據(jù)挖掘、聚類、可視化和分類上往往會(huì)受到計(jì)算機(jī)內(nèi)存和計(jì)算速度的限制［6］。原始的高分辨率MSI數(shù)據(jù)文件可高達(dá)數(shù)個(gè)TB 大小，其中包含了數(shù)萬(wàn)個(gè)光譜，每個(gè)光譜含104～106個(gè)質(zhì)荷比（mass-to-charge ratio，m/z），傳統(tǒng)的機(jī)器學(xué)習(xí)算法將造成“維度災(zāi)難”。

峰值拾取是分析原始MSI 數(shù)據(jù)的預(yù)處理步驟。峰值拾取可以減輕稀疏性并降低原始光譜維數(shù)，同時(shí)通過(guò)保留盡可能多的m/z 特征信息來(lái)提高信噪比。此外，峰值拾取對(duì)于分子生物標(biāo)志物的識(shí)別、量化和發(fā)現(xiàn)至關(guān)重要［7］。盡管現(xiàn)有的峰值拾取算法已較為成熟，但基線去除、峰寬、信噪比和平滑等操作會(huì)引入一定程度的主觀性，從而影響生成的峰列表。預(yù)處理參數(shù)的選擇很大程度上依賴于使用者的專業(yè)知識(shí)，這將導(dǎo)致生物標(biāo)志物識(shí)別的顯著差異。

進(jìn)行峰值拾取后，原始數(shù)據(jù)的維度降低，但MSI 數(shù)據(jù)仍具高維復(fù)雜性。MSI數(shù)據(jù)中的一張二維圖像通常由數(shù)千個(gè)高維像素組成，每個(gè)像素都有數(shù)百個(gè)峰值。常用的降維算法是將高維點(diǎn)投影到較小的子空間中，來(lái)實(shí)現(xiàn)潛在變量的捕獲和可視化，從而通過(guò)潛在變量揭示分子模式，反映可能具有生物學(xué)相關(guān)性的相似光譜簇［8］。主成分分析（Principal Component Analysis，PCA）和非負(fù) 矩陣分 解（Non-Negative Matrix Factorization，NNMF）的線性降維法已廣泛用于MSI數(shù)據(jù)分析［9-10］。線性降維法的主要限制在于算法的線性約束，不能捕獲光譜結(jié)構(gòu)中的非線性特征，進(jìn)而影響潛在變量的準(zhǔn)確識(shí)別。與此同時(shí)，t 分布隨機(jī)鄰嵌入（t-distributed Stochastic Neighbor Embedding，t-SNE）的非線性降維法近年多被用于組學(xué)數(shù)據(jù)分析［11］。然而，盡管許多研究者在提高t-SNE 計(jì)算和內(nèi)存可擴(kuò)展性方面取得了進(jìn)展，但它仍然需要將全部數(shù)據(jù)加載到RAM 中，這限制了高分辨率MSI 數(shù)據(jù)集的應(yīng)用。有研究者對(duì)2D MSI 數(shù)據(jù)集進(jìn)行峰值拾取后，使用神經(jīng)網(wǎng)絡(luò)的自編碼器進(jìn)行降維。與PCA 和NNMF 方法相比，該方法實(shí)現(xiàn)了MSI 數(shù)據(jù)非線性流形的捕獲，但是分析速度有限。最近Walid 等［12］開(kāi)發(fā)了一種用于MSI 數(shù)據(jù)分析和峰值學(xué)習(xí)的深度學(xué)習(xí)工具——msiPL，該方法直接將原始MSI 數(shù)據(jù)輸入到模型，且無(wú)需進(jìn)行處理。

本研究在借鑒國(guó)內(nèi)外研究的基礎(chǔ)上，以兩種不同組織、不同質(zhì)譜儀器和不同分辨率的MSI 數(shù)據(jù)為例，基于變分自編碼器神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型學(xué)習(xí)并可視化MSI數(shù)據(jù)底層譜結(jié)構(gòu)的非線性特征；同時(shí)通過(guò)對(duì)復(fù)雜分子模式的無(wú)監(jiān)督分析及特定的m/z 值的學(xué)習(xí)，揭示了小鼠腎臟組織解剖學(xué)的生物學(xué)相關(guān)簇（內(nèi)髓部、外皮層、腎盂和內(nèi)皮層小管）和小鼠胃癌模型中的腫瘤異質(zhì)性，并識(shí)別了潛在的特定m/z 峰。通過(guò)使用均方誤差（MSE）定量評(píng)估來(lái)評(píng)估VAE 模型的學(xué)習(xí)質(zhì)量，即評(píng)估模型的重建數(shù)據(jù)與原始數(shù)據(jù)之間的重建損失。最后，以MSE 為評(píng)估指標(biāo)將msiPL 方法與其他幾種專為MSI 開(kāi)發(fā)的高效降維方法（PCA、MemoryEfficient PCA 和DWT+PCA）進(jìn)行了比較。

1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)中小鼠腎組織數(shù)據(jù)集來(lái)自METASPACE 中的Mouse Kidney 數(shù)據(jù)集，該數(shù)據(jù)集由MALDI+FT-ICR 儀器在正離子模式下獲得，其中m/z 在100～1998.07 的范圍內(nèi)。采集空間分辨率設(shè)置為50μm，包含了21535 個(gè)像素，每個(gè)像素含5397個(gè)m/z。

實(shí)驗(yàn)中的方法驗(yàn)證數(shù)據(jù)集來(lái)源于公開(kāi)數(shù)據(jù)集［13］。rapifleX MALDI-TOF 儀器，橫向分辨率50μm。在采集MALDI-TOF 數(shù)據(jù)之后，使用7T solariX XR MALDI FT-ICR 分析進(jìn)行質(zhì)譜成像的組織切片。MALDI 成像實(shí)驗(yàn)是在正離子模式下，通過(guò)將m/z 設(shè)置在100～3000 范圍內(nèi)，光柵寬度為20μm和15 次激光射擊完成的。選擇十一肽物質(zhì)P（RPKPQQFFGLM；［M+H］+，m/z 1347.7354）作為示蹤蛋白酶底物，平均強(qiáng)度為23000。原始數(shù)據(jù)集使用m/z 780.551（［PC（34：2）+Na］+）進(jìn)行內(nèi)部校準(zhǔn)。該數(shù)據(jù)集包含以下兩個(gè)數(shù)據(jù)集：①小鼠胃癌模型MSI 數(shù)據(jù)集1：沒(méi)有噴涂蛋白酶底物示蹤劑物質(zhì)P，原始數(shù)據(jù)包含11006個(gè)像素，每個(gè)像素是一個(gè)高維數(shù)據(jù)點(diǎn)，每個(gè)像素點(diǎn)有4944 個(gè)m/z值，即4944 維；②小鼠胃癌模型MSI 數(shù)據(jù)集2：噴涂蛋白酶底物示蹤劑物質(zhì)P，原始數(shù)據(jù)包含11823 個(gè)像素，每個(gè)像素含5138 個(gè)m/z值，即5138維。

2 實(shí)驗(yàn)方法

2.1 數(shù)據(jù)預(yù)處理

使用R 語(yǔ)言的Cardinal 包對(duì)MSI 數(shù)據(jù)進(jìn)行總離子流（Total Ion Current，TIC）歸一化。在輸入msiPL 模型之前要將imzML 標(biāo)準(zhǔn)格式的MSI 數(shù)據(jù)通過(guò)Python 的h5py 包轉(zhuǎn)換為hdf5 格式，并保證輸入數(shù)據(jù)在［0，1］區(qū)間內(nèi)。MSI 數(shù)據(jù)有不同的歸一化策略，最終使用者可以根據(jù)實(shí)驗(yàn)?zāi)康倪x擇最好的MSI 歸一化策略，但msiPL 模型的輸入數(shù)據(jù)均需限制在［0，1］內(nèi)。因?yàn)槟Ｐ偷妮敵鰧觼?lái)源于一個(gè)sigmoid 激活函數(shù)，因此它產(chǎn)生的值在［0，1］之間；同時(shí)，輸入和輸出層的動(dòng)態(tài)范圍的一致性對(duì)于優(yōu)化VAE 網(wǎng)絡(luò)損失函數(shù)和最小化重建誤差至關(guān)重要。

2.2 msiPL模型框架

msiPL 模型基于變分自編碼器（Variational AutoEncoder，VAE）結(jié)構(gòu)建立有效的無(wú)監(jiān)督學(xué)習(xí)、非線性降維和隨機(jī)變分推理。VAE 網(wǎng)絡(luò)［14］可同時(shí)優(yōu)化用于變分推理的概率編碼器（Encoder）和用于無(wú)監(jiān)督學(xué)習(xí)的概率解碼器（Decoder），如圖1所示（彩圖掃OSID 碼可見(jiàn)，下同）。

編碼特征表示在低維空間中學(xué)習(xí)到的非線性流形，并從原始高維空間捕獲分子的空間模式。這些空間模式是基于較小的m/z特征子集形成的，因此識(shí)別具有生物學(xué)相關(guān)性的潛在m/z特征分子至關(guān)重要。

基于高斯混合［15］（Gaussian Mixture Model，GMM）的編碼特征聚類方法計(jì)算速度快，并且在識(shí)別生物學(xué)相關(guān)的空間簇（腫瘤和非腫瘤簇）方面非常有效。k是可調(diào)參數(shù)，可以手動(dòng)或自動(dòng)設(shè)置?；谛畔⒄摰膬?yōu)化過(guò)程可用于模型自動(dòng)選擇，但通過(guò)手動(dòng)選擇最佳模型可避免遺漏或高估的聚類平衡。由于BIC score 的分布［16］在可搜索范圍內(nèi)逐漸減小，本文將Kneedle 算法（Python，Kneed 包）應(yīng)用于BIC score 以檢測(cè)臨界點(diǎn)選擇最佳模型的最大曲率，即可得到推薦聚類數(shù)。

2.3 實(shí)現(xiàn)細(xì)節(jié)

模型輸入MSI 數(shù)據(jù)的高維度特征表示，輸出MSI 數(shù)據(jù)降維之后的特征表示，模型框架如圖1 所示。MSI 數(shù)據(jù)的表示為X={X1，X2，X3，…，XN}，其中N為樣本數(shù)。VAE 網(wǎng)絡(luò)由輸入層、三個(gè)隱藏層（h1、h2和h3）和輸出層構(gòu)成。輸入層和輸出層的神經(jīng)元個(gè)數(shù)為m/zbin 的個(gè)數(shù)；h1、h2和h3的神經(jīng)元個(gè)數(shù)分別為512、5、512，其中h2的輸出是MSI 數(shù)據(jù)的5 維空間中壓縮的編碼特征表示。無(wú)監(jiān)督學(xué)習(xí)主要通過(guò)優(yōu)化由最大化生成原始數(shù)據(jù)的概率值和最小化真實(shí)和估計(jì)后驗(yàn)分布的Kullback-Leibler 散度，KL 散度和VAE loss 函數(shù)來(lái)最小化原始數(shù)據(jù)和重構(gòu)數(shù)據(jù)之間的重構(gòu)損失。利用均方誤差（Mean Squared Error，MSE）來(lái)衡量原始數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)之間的重構(gòu)誤差。學(xué)習(xí)率為0.001 的Adam 隨機(jī)梯度優(yōu)化器被用于epoch 為100，batchsize 為64的訓(xùn)練網(wǎng)絡(luò)。VAE 網(wǎng)絡(luò)基于Keras 的開(kāi)源深度學(xué)習(xí)庫(kù)構(gòu)建，并在Tensorflow 上運(yùn)行。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 小鼠腎臟組織MSI數(shù)據(jù)集實(shí)驗(yàn)

使用msiPL 對(duì)來(lái)自小鼠腎組織樣本的超高光譜分辨率單個(gè)MALDI+FT-ICR MSI 數(shù)據(jù)進(jìn)行分析。原始MSI數(shù)據(jù)包含21535 個(gè)像素，每個(gè)像素是一個(gè)高維數(shù)據(jù)點(diǎn)，每個(gè)像素點(diǎn) 的m/z 在100～2000 范圍內(nèi)，包 含l5397 個(gè)m/z值，即15397 維。使用msiPL 模型在該數(shù)據(jù)集上進(jìn)行降維和可視化實(shí)驗(yàn)，神經(jīng)網(wǎng)絡(luò)以迭代方式執(zhí)行無(wú)監(jiān)督學(xué)習(xí)，以最小化重建損失。如圖2（a）所示，優(yōu)化器在PC 工作站（Intel（R）Core（TM）i7-1065G7 CPU @1.30 GHz 1.50 GHz、16GB RAM、64 位Windows）上經(jīng)過(guò)不到100 次迭代后收斂，總運(yùn)行時(shí)間約為2 h。模型在原始數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)中的MSE 為3.49×10-4。圖2（b）給出了原始數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)的平均光譜分布，它們的疊加反映了模型的高質(zhì)量估計(jì)。

5 維編碼特征表示學(xué)習(xí)到的非線性特征，可視化并捕獲了15397 維的原始高維MSI 數(shù)據(jù)的分子模式。這些編碼特征可用于預(yù)測(cè)原始數(shù)據(jù)。MSI 數(shù)據(jù)的5 維空間中壓縮的編碼特征表示可視化結(jié)果如圖3所示。

將學(xué)習(xí)到的低維嵌入特征使用GMM 模型進(jìn)行聚類。圖4（a）是BIC score 結(jié)果圖，推薦k為10，也可參考病理學(xué)注釋結(jié)果手動(dòng)選擇設(shè)置k的值，研究根據(jù)腎組織的生物解剖學(xué)分割區(qū)域?qū)為12。BIC score 的范圍逐漸減小，然后用Kneedle 算法檢測(cè)BIC score 的最大曲率臨界點(diǎn)。使用GMM（k=12）對(duì)整個(gè)數(shù)據(jù)集的編碼特征進(jìn)行聚類識(shí)別，每個(gè)簇代表一個(gè)與小鼠腎臟解剖結(jié)構(gòu)共定位的分子模式，聚類圖像如圖4（b）所示。聚類圖像揭示了不同分子在組織中的空間分布，其聚類結(jié)果與參考文獻(xiàn)［17］的結(jié)果具有一致性。

Fig.2 Experimental results of msiPL model on MALDI+FT-ICR MSI data圖2 msiPL模型msiPL在MALDI+FT-ICR MSI數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果

Fig.3 5-dimensional encoded features visualization results圖3 5維編碼特征可視化結(jié)果

Fig.4 GMM clustering results圖4 GMM聚類結(jié)果

圖5 對(duì)每個(gè)簇皮爾遜系數(shù)最高的m/z離子的空間分布進(jìn)行了可視化。這些離子與對(duì)應(yīng)簇共定位，如簇1（內(nèi)髓部）、簇2（外皮層）、簇7（腎盂）、簇9（內(nèi)皮層小管）。

為了更直觀地體現(xiàn)該數(shù)據(jù)的重建質(zhì)量，圖6 可視化了5 種特定m/z分子的測(cè)量數(shù)據(jù)和重建數(shù)據(jù)的空間分布。表1為這5種特定分子在METASPACE 平臺(tái)的注釋結(jié)果。

將編碼的特征鏈接到原始m/z 變量。拉格朗日乘子β為一個(gè)超參數(shù)，當(dāng)β 為1的時(shí)候，它即為標(biāo)準(zhǔn)的VAE。一個(gè)較高的β 值會(huì)降低前變量空間表示信息的豐富度，同時(shí)增加模型的解糾纏能力。因此，β 可以作為表示能力和解糾纏能力之間的平衡因子。超參數(shù)β 設(shè)置在［1，2.5］范圍內(nèi)較好。簡(jiǎn)化的峰值列表能夠揭示潛在空間中捕獲的分子模式的主要決定因素。當(dāng)β 為1 時(shí)，學(xué)習(xí)到439 個(gè)m/z；β 為1.5，286個(gè)m/z；β為2196個(gè)m/z；β為2.5，144個(gè)m/z。

3.2 小鼠胃癌模型MSI數(shù)據(jù)集實(shí)驗(yàn)

Katrin 等［13］基于MALDI-MSI 技術(shù)探究了小鼠胃癌組織的蛋白酶活性，通過(guò)蛋白酶底物示蹤劑物質(zhì)P 的衰減評(píng)估內(nèi)源性蛋白酶活性的空間分布，并提供了小鼠胃癌模型MSI數(shù)據(jù)集。①小鼠胃癌模型MSI數(shù)據(jù)集1：沒(méi)有噴涂蛋白酶底物示蹤劑物質(zhì)P，原始數(shù)據(jù)包含11006個(gè)像素，每個(gè)像素含4944 個(gè)m/z 值，即4944 維；②小鼠胃癌模型MSI 數(shù)據(jù)集2：噴涂蛋白酶底物示蹤劑物質(zhì)P，原始數(shù)據(jù)包含11823個(gè)像素，每個(gè)像素含5138 個(gè)m/z 值，即5138 維。使用msiPL 模型對(duì)這兩個(gè)數(shù)據(jù)集進(jìn)行降維和可視化實(shí)驗(yàn)。

Fig.5 Visualize the spatial distribution of the m/z ions with the highest Pearson coefficients per cluster圖5 可視化每個(gè)簇皮爾遜系數(shù)最高的m/z離子的空間分布

Fig.6 Spatial distribution of measured and reconstructed data for five specific m/z molecules圖6 5種特定m/z分子的測(cè)量數(shù)據(jù)和重建數(shù)據(jù)的空間分布

Table 1 Annotation results of five molecules表1 5種分子的注釋結(jié)果

神經(jīng)網(wǎng)絡(luò)以迭代方式執(zhí)行無(wú)監(jiān)督學(xué)習(xí)，以最小化損失函數(shù)。如圖7 所示，優(yōu)化器在PC 工作站上經(jīng)過(guò)不到100 次迭代后收斂，總運(yùn)行時(shí)間約為40 min。

Fig.7 Optimization convergence and distribution of epochs圖7 優(yōu)化收斂和迭代次數(shù)（epoch）的分布

數(shù)據(jù)集1 和數(shù)據(jù)集2 的原始數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)的TIC 歸一化平均光譜分布如圖8（a）、圖8（b）所示。原始數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)之間的MSE 分別為1.94×10-4、0.70×10-4，重疊的部分反映了高質(zhì)量估計(jì)。

Fig.8 Visualize the distribution of the mean spectrum of the raw and predicted data圖8 可視化原始數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)平均光譜的分布

使用msiPL 模型對(duì)數(shù)據(jù)集2 進(jìn)行可視化分析。將學(xué)習(xí)到的低維嵌入特征使用GMM 模型進(jìn)行聚類，聚類結(jié)果如圖9（b）所示。將基于GMM 模型的聚類分割結(jié)果與H&E注釋結(jié)果（腫瘤、黏膜、腫瘤—黏膜過(guò)渡區(qū)和黏膜肌層）進(jìn)行對(duì)比分析，發(fā)現(xiàn)msiPL 模型聚類自動(dòng)分割識(shí)別腫瘤和非腫瘤區(qū)，H&E 注釋結(jié)果如圖9（a）所示。同時(shí)基于GMM 模型的聚類分割結(jié)果與基于R 語(yǔ)言的Cardinal 包的空間感知收縮質(zhì)心聚類分割結(jié)果具有一致性，空間感知收縮質(zhì)心聚類分割結(jié)果如圖9（c）所示。

重點(diǎn)分析這5 種特定離子：腫瘤標(biāo)志物脂質(zhì)離子m/z 798.5（PC（34：1）+K+）、m/z 1347.7（物質(zhì)P）和肽裂解產(chǎn)物（m/z 1104.6、900.5、753.4），它們的離子圖像可視化如圖10 所示，同時(shí)通過(guò)可視化結(jié)果評(píng)估原始數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的重建損失。結(jié)合GMM 模型的聚類分割結(jié)果和H&E 染色結(jié)果分析，發(fā)現(xiàn)m/z 為798.54—（PC（34：1）+K+在胃腫瘤區(qū)富集，即胃腫瘤組織比非腫瘤組織顯示出更顯著的蛋白酶活性。與周圍黏膜和黏膜肌層相比，腫瘤組織中的P 物質(zhì)離子強(qiáng)度顯著且選擇性降低（同時(shí)裂解產(chǎn)物m/z 1104.6 和753.4 增加）。相反，肽RPKPQQF（m/z 900.5）在腫瘤中耗盡但在粘膜中富集。值得注意的是，m/z 753.4 的最高濃度區(qū)域代表組織外的肽洗脫，此結(jié)果體現(xiàn)了抑制劑混合物對(duì)P物質(zhì)裂解和截短肽產(chǎn)生的影響。

3.3 討論

使用MSE 定量評(píng)估來(lái)評(píng)價(jià)VAE 模型的學(xué)習(xí)質(zhì)量，即評(píng)估模型的重建數(shù)據(jù)與原始數(shù)據(jù)之間的重建損失。MSE是一個(gè)既定的定量機(jī)器學(xué)習(xí)評(píng)估標(biāo)準(zhǔn)，既不主觀也不帶偏見(jiàn)，因?yàn)樗菄?yán)格的數(shù)據(jù)驅(qū)動(dòng)的。將msiPL 方法與其他幾種專為MSI 開(kāi)發(fā)的高效降維方法（PCA、MemoryEfficient PCA 和DWT+PCA）進(jìn)行比較，MSE 的結(jié)果表明msPL 方法可替代這幾種方法進(jìn)行高效降維，如表2所示。

Fig.9 Visualization experimental results圖9 可視化實(shí)驗(yàn)結(jié)果

Fig.10 Spatial distribution of measured and reconstructed data for five specific m/z molecules圖10 5種特定m/z離子的測(cè)量數(shù)據(jù)和重建數(shù)據(jù)的空間分布

Table 2 MSE comparision of MSI data reconstruction using different methods表2 比較使用不同方法 MSI數(shù)據(jù)重建的均方誤差（MSE）

msiPL 模型可實(shí)現(xiàn)并行處理和提高內(nèi)存高效使用。實(shí)驗(yàn)中只需將一小部分光譜數(shù)據(jù)加載到內(nèi)存中，就可以有效地處理大型和復(fù)雜的數(shù)據(jù)，這體現(xiàn)了對(duì)現(xiàn)有計(jì)算方法的顯著改進(jìn)?，F(xiàn)有計(jì)算方法需要將完整數(shù)據(jù)加載到內(nèi)存中以計(jì)算光譜之間的成對(duì)相似性。經(jīng)典機(jī)器學(xué)習(xí)方法對(duì)于高維度原始質(zhì)譜數(shù)據(jù)的能力有限，主要是因?yàn)檫@些方法遇到了一個(gè)常見(jiàn)的問(wèn)題，即“維度災(zāi)難”，這會(huì)降低高維數(shù)據(jù)的分類精度。相比之下，基于深度學(xué)習(xí)的方法已經(jīng)顯示出能夠避免“維度災(zāi)難”并建立相關(guān)特征的自學(xué)習(xí)，從而提高分類準(zhǔn)確度。

峰值拾取是一種特征選擇，即從原始數(shù)據(jù)中丟棄大量信息（例如峰形），同時(shí)也承擔(dān)風(fēng)險(xiǎn)丟棄峰選擇算法無(wú)法識(shí)別的峰。這使得后續(xù)的質(zhì)量分析取決于前面的峰值選擇或特征選擇方法的質(zhì)量，這可能并不總是理想的。msiPL避免了影響下游分析的預(yù)處理步驟。此外，Murta等［18］近期的研究表明峰值拾取參數(shù)的選擇不僅影響聚類分析，還可能會(huì)影響生物學(xué)解釋。相比之下，msiPL無(wú)需優(yōu)化預(yù)處理參數(shù)即可實(shí)現(xiàn)快速靈敏的MSI數(shù)據(jù)處理，同時(shí)產(chǎn)生可靠的結(jié)果。

由于MSI 數(shù)據(jù)量過(guò)大，數(shù)據(jù)公開(kāi)集過(guò)少，且該研究使用的腎組織樣本MSI數(shù)據(jù)缺乏H&E 染色病理學(xué)數(shù)據(jù)，因此未能將H&E 與MSI離子圖像進(jìn)行共注釋分析。

4 結(jié)語(yǔ)

經(jīng)典機(jī)器學(xué)習(xí)方法處理高維度原始質(zhì)譜數(shù)據(jù)的能力有限，主要是因?yàn)檫@些方法通常會(huì)導(dǎo)致“維度災(zāi)難”，降低高維數(shù)據(jù)的分類精度。相比之下，基于深度學(xué)習(xí)的方法已經(jīng)顯示出能夠避免維度災(zāi)難并建立相關(guān)特征的自學(xué)習(xí)，從而提高分類準(zhǔn)確度的能力。

本研究在借鑒國(guó)內(nèi)外研究的基礎(chǔ)上，以兩種不同組織、不同質(zhì)譜儀器和不同分辨率的MSI 數(shù)據(jù)為例，使用深度學(xué)習(xí)數(shù)據(jù)分析策略實(shí)現(xiàn)了從原始高維數(shù)據(jù)中準(zhǔn)確有效地識(shí)別和可視化分子模式所需的底層非線性流形，避免了傳統(tǒng)的、耗時(shí)的預(yù)處理計(jì)算。同時(shí)通過(guò)對(duì)復(fù)雜分子模式的無(wú)監(jiān)督分析及特定的m/z 值的學(xué)習(xí)，揭示了小鼠腎臟組織解剖學(xué)的生物學(xué)相關(guān)簇（內(nèi)髓部、外皮層、腎盂和內(nèi)皮層小管）和小鼠胃癌模型中的腫瘤異質(zhì)性，并識(shí)別了潛在的特定m/z峰。由于MSI 數(shù)據(jù)量過(guò)大，數(shù)據(jù)公開(kāi)集過(guò)少，且該研究使用的腎組織樣本MSI數(shù)據(jù)缺乏H&E 染色病理學(xué)數(shù)據(jù)，未能將H&E 與MSI 離子圖像進(jìn)行共注釋分析。msiPL 在MSI數(shù)據(jù)集無(wú)監(jiān)督分析和識(shí)別生物相關(guān)性的空間模式方面的高效處理能力，使msiPL 模型直接從質(zhì)譜數(shù)據(jù)中完成對(duì)腫瘤類型和等級(jí)的分類和預(yù)測(cè)在未來(lái)成為可能。