基于劃分聚類的特征基因選擇算法研究.pdf

1、對基因表達(dá)譜進(jìn)行分類是生物信息學(xué)中一個重要的研究領(lǐng)域?；蛐酒梢栽谝淮螌?shí)驗(yàn)中大規(guī)模并行檢測成千上萬個基因的表達(dá)量,對腫瘤癌癥等疾病的分類、診斷研究有非常重要的實(shí)際意義。但是,基因芯片數(shù)據(jù)高通量、高維數(shù)、非線性、高噪聲、數(shù)據(jù)分布不均衡等特點(diǎn),使得我們對這種數(shù)據(jù)進(jìn)行處理時遇到了很多困難。如何從海量的基因表達(dá)譜數(shù)據(jù)中發(fā)掘出少量的具有分類識別能力且冗余度最小的特征基因,對于疾病診斷以及研究腫瘤癌癥治病機(jī)理起著關(guān)鍵作用。
　　 本文研究

2、的特征基因選擇方法都是利用白血病數(shù)據(jù)集進(jìn)行驗(yàn)證,主要的研究工作如下:
　　 1.提出了一種基于測地距離的特征基因選擇方法。由于基因表達(dá)譜非線性的特點(diǎn),普通的歐幾里得距離無法很好地表示基因之間的相似性度量。而測地距離這種流形距離的度量方式,可以很好的展示基因之間復(fù)雜的內(nèi)在關(guān)系。在測地距離矩陣的基礎(chǔ)上,本文改進(jìn)了K-中心點(diǎn)聚類方法,并且選擇出特征基因子集,然后利用支持向量機(jī)對特征基因子集進(jìn)行分類精度進(jìn)行預(yù)測。實(shí)驗(yàn)的結(jié)果證明,基于測地

3、距離預(yù)測精度比傳統(tǒng)的歐幾里得距離得出的預(yù)測精度要好。
　　 2.提出了一種基于局部線性嵌入特征基因選擇方法。由于基因表達(dá)潛高維、高噪聲、非線性的特點(diǎn),傳統(tǒng)的聚類算法并不能準(zhǔn)確地對基因表達(dá)譜進(jìn)行聚類分析。于是,通過局部線性嵌入的非線性降維方法,基因的向量空間被映射到低維空間,以致對基因向量空間進(jìn)行了降維,而且使得基因之間的相似性關(guān)系更能顯示其內(nèi)在聯(lián)系。最后,本文對白血病基因表達(dá)譜進(jìn)行了實(shí)驗(yàn),并且和其他文獻(xiàn)進(jìn)行了比較,結(jié)果得出本方法