基于深度學(xué)習(xí)的癌癥分類模型研究.pdf

1、癌癥基因組學(xué)是當(dāng)前遺傳生物學(xué)和生物醫(yī)學(xué)領(lǐng)域的重點(diǎn)研究方向，關(guān)于癌癥致病原理的研究能夠有效地指導(dǎo)制定合理的癌癥治療方案和研發(fā)癌癥治療藥物。另一方面，由于高通量基因測(cè)序儀器的發(fā)展，個(gè)人的基因測(cè)序成本大大降低，癌癥治療逐漸向個(gè)性化治療發(fā)展，而根據(jù)基因測(cè)序數(shù)據(jù)對(duì)癌癥患病進(jìn)行預(yù)測(cè)對(duì)于癌癥的早期診斷和治療都有很大的幫助。
　　本文提出了基于深度置信網(wǎng)絡(luò)的癌癥分類模型，利用 TCGA計(jì)劃提供的3281名癌癥病人的測(cè)序數(shù)據(jù)，能夠根據(jù)癌癥病人的測(cè)序

2、數(shù)據(jù)進(jìn)行癌癥患病的分類預(yù)測(cè)，同時(shí)能夠挖掘模型中隱藏的針對(duì)不同癌癥疾病的突變基因模式和規(guī)律。本文的主要工作集中在兩個(gè)方面：（1）針對(duì)癌癥分類預(yù)測(cè)問題，本文采用的DBN模型通過無監(jiān)督預(yù)訓(xùn)練和有監(jiān)督訓(xùn)練調(diào)整相結(jié)合的訓(xùn)練方式，逐層提取了癌癥病人測(cè)序數(shù)據(jù)中的特征，同時(shí)利用這些層次化的特征數(shù)據(jù)來進(jìn)行分類預(yù)測(cè)，最終在分類性能上超越了SVM、MLP等分類模型。（2）針對(duì)癌癥突變基因模式和規(guī)律的挖掘，本文采用了網(wǎng)絡(luò)結(jié)點(diǎn)激勵(lì)最大化算法和統(tǒng)計(jì)方法相結(jié)合的方式