基于基因表達譜的信息基因提取算法.pdf

1、基于基因表達譜的腫瘤檢測方法有望成為臨床醫(yī)學(xué)上一種快速而有效的腫瘤分子診斷方法，但由于基因表達譜數(shù)據(jù)存在維數(shù)過高、樣本量很小以及噪音很大等特點，使得腫瘤信息基因選擇成為一件有挑戰(zhàn)性的工作。
　　 本文研究結(jié)腸癌基因譜數(shù)據(jù)，尋找與結(jié)腸癌有關(guān)的特征信息基因及如何確定樣本是否患病的方法，其建模依據(jù)模式分類法，該分類法主要分五個階段：數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、信息基因選擇、分類模型建立以及分類預(yù)測與評估。信息基因選擇分別采用了信噪比和Bha

2、ttacharyya距離兩種方法，并對這兩種方法作了對比。由于基因表達譜數(shù)據(jù)之間存在很強的相關(guān)性，因此本文提出了K-means聚類法，對信息基因進行了進一步的選擇，選取代表基因作為新的信息基因。使用K-means聚類法優(yōu)點是進一步去除了噪聲，降低了維度，為在高性能計算機上進行信息基因子集的搜索奠定了基礎(chǔ)。K-means聚類把信息基因分為50類，各類中基因表達相關(guān)，可在生物醫(yī)學(xué)研究中提供參考。分類模型采用了加權(quán)投票法和支持向量機兩分類器，

3、并對這兩分類器作了對比。鑒于信息基因眾多，本文提出了一種以上述分類器分類性能為評估準(zhǔn)則的尋找特征信息基因的啟發(fā)式寬度優(yōu)先搜索算法。該方法的優(yōu)點是能夠同時搜索到基因數(shù)量盡可能少而分類能力又盡可能強的多個信息基因子集。分類預(yù)測與評估階段采用了留一交叉檢驗和獨立測試集檢驗。本文發(fā)現(xiàn)以Bhattacharyya距離結(jié)合K-means聚類來選擇信息基因，以支持向量機分類性能為評估準(zhǔn)則的啟發(fā)式寬度優(yōu)先搜索算法來尋找特征信息基因，結(jié)果最優(yōu)。本文最后得