2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、機器學習機器學習算法在算法在肺腺癌肺腺癌患者患者吸煙吸煙史分類分類中的應用的應用ApplicationofMachineLearninginSmokingRelatedPatternRecognitionfLungAdenocarcinomas學科專業(yè):化學工程研究生:王世祥指導教師:宋凱副教授企業(yè)導師:王競陽高級工程師天津大學化工學院2016年5月中文中文摘要摘要隨著大數(shù)據(jù)時代的來臨,海量數(shù)據(jù)的處理問題已成為一個熱點話題,而機器學習算

2、法的不斷發(fā)展與完善,為迎接大數(shù)據(jù)時代的來臨奠定了基礎。目前,機器學習算法在多個領域都得到了廣泛的應用,涉及到的領域包括化工過程控制、氣象數(shù)據(jù)分析、垃圾郵件的識別與過濾以及生物醫(yī)學領域的分析研究等等。面對如此多的海量數(shù)據(jù),尤其是高通量技術下產生的海量生物醫(yī)學數(shù)據(jù),如何排除噪聲信息的干擾,找出關鍵信息,提高機器學習算法在癌癥相關研究領域應用的精度和效率是大數(shù)據(jù)時代面臨的一個主要問題之一。吸煙雖然是已知的最主要的肺癌致病因素,但統(tǒng)計數(shù)據(jù)表明,

3、肺腺癌患者中不吸煙患者的比例呈現(xiàn)逐年上升的趨勢。針對吸煙與不吸煙肺腺癌患者發(fā)病機理等差異性的研究逐漸成為世界范圍廣泛關注的熱點問題。本文基于吸煙相關肺腺癌患者全基因組基因表達數(shù)據(jù)、甲基化數(shù)據(jù),以TCGA數(shù)據(jù)為訓練集,EDRN數(shù)據(jù)為獨立測試集,創(chuàng)新性地結合了多種降維和變量篩選的方法,分別從基因表達差異性、生物相關性以及差異分類重要性等多方面綜合篩選候選基因集,并通過偏最小二乘(PLS)的多重迭代優(yōu)化分類當前吸煙從不吸煙樣本,識別出真正的關

4、鍵特征基因,從而為揭示吸煙與肺腺癌發(fā)生之間的關系以及不吸煙肺腺癌的患病機理奠定基礎,為從基因組水平和分子生物學水平揭示吸煙與不吸煙肺腺癌患者的差異提供依據(jù)。最終應用本文所提出的方法,共確定43個基因表達特征基因以及48個甲基化特征基因,達到了較高的分類精度,訓練集精度分別為79.2%以及87.5%,獨立測試集精度分別為86.3%以及76.4%。同時,特征基因代謝通路分析表明,這些特征基因大多數(shù)與癌癥的發(fā)生發(fā)展以及生物功能、細胞發(fā)育等都有

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論