癌癥分類中基因選擇的收縮特征選擇算法研究.pdf

1、腫瘤是當今威脅人類生命的主要病因之一，預防和治療腫瘤是所有研究人員關注的焦點。隨著生物信息技術的發(fā)展，基因芯片技術因其高通量、微型化等特點被廣泛應用到疾病診斷中，并且從基因表達譜中提取出致病基因已經(jīng)成為腫瘤治療的一個新手段。特征選擇是數(shù)據(jù)挖掘中一種非常有效的手段，它可以剔除不相關和冗余的特征，選擇出與關注表型最相關的特征子集。但基因表達譜數(shù)據(jù)常常具有高維、高噪和高冗余的特點，大大降低了特征選擇方法的性能，并且導致方法復雜度急劇上升。因此

2、，設計一種有效的特征選擇方法在腫瘤診斷中顯得格外的重要。
　　本文選擇已公開的基因表達數(shù)據(jù)作為實驗對象，并將分類精度的好壞作為評價特征選擇算法的指標之一。圍繞基因表達譜的特征選擇問題，本文展開了一系列的研究工作，主要的研究內容包括如下幾個方面：
　　(1)傳統(tǒng)的特征選擇方法在構建模型時，常常不考慮數(shù)據(jù)間關聯(lián)性或過分考慮，導致得到的特征子集解釋性不合理、冗余性高和分類精度低。本文提出一種基于加權共表達模塊的最小絕對值收縮算法(

3、MLASSO)并將方法應用于腫瘤識別。該方法的基本思想是，首先計算基因相異拓撲矩陣并以此構建加權共表達模塊；然后根據(jù)模塊的特征值與對應表型的相關系數(shù)找出疾病相關性較大的模塊；最后在選中模塊內進行最小絕對值回歸收縮操作得到特征基因子集。實驗結果表明，MLASSO算法能夠有效的提高分類準確度并減少冗余性，實驗中將MLASSO方法與相關特征選擇方法進行分析對比，最終也驗證MLASSO方法的可行性和有效性。
　　(2)本文提出了一種基于相

4、似組的回歸收縮特征選擇方法(SGLASSO)，該方法針對高維高冗余的基因表達數(shù)據(jù)常常導致特征選擇模型出現(xiàn)泛化性較低，局部最優(yōu)和穩(wěn)定性差等問題，本文采用構建相似組的方式來提高選擇模型的性能。SGLASSO算法利用模塊顯著性指標篩選并排序疾病相關模塊，同時計算基因連接度指標得到各模塊代表基因，接著迭代構建相似組和進行回歸收縮，最終得到疾病強相關特征子集。實驗結果表明 SGLASSO能彌補單模塊信息不足，能有效提高特征選擇方法的分類精度，其穩(wěn)