基因表達數(shù)據(jù)分類算法及其應(yīng)用研究.pdf

1、使用機器學(xué)習(xí)方法分析生物信息學(xué)中的復(fù)雜數(shù)據(jù)是目前重要的研究領(lǐng)域之一。通過微陣列測試技術(shù)得到的基因表達數(shù)據(jù)可以表現(xiàn)任何給定條件下的基因表達模式，它們可以幫助我們深入地認識諸多生物過程的本質(zhì)，如基因功能、癌癥(腫瘤)、衰老和藥理等。本文主要研究基于基因表達數(shù)據(jù)的腫瘤分類和基因功能分類方法，并針對已有的算法與模型當中所存在的問題，提出對算法的改進。 針對基于基因表達數(shù)據(jù)的腫瘤分類，本文從分類算法和特征基因選擇兩個方面進行了改進。在分析

2、了傳統(tǒng)的SVM算法和kNN算法的基礎(chǔ)上，本文將兩者結(jié)合成為一種新的應(yīng)用于腫瘤分類的算法。該算法將SVM視為每類只取一個代表點的1NN分類器，在對測試數(shù)據(jù)進行分類時，依據(jù)測試樣本與超平面之間的距離決定采用何種分類算法。實驗結(jié)果表明新算法的分類準確率較傳統(tǒng)的SVM算法和kNN算法有所提高。針對基因表達數(shù)據(jù)集具有“樣本數(shù)目少，基因數(shù)目龐大”的特點，本文通過特征基因選擇提高分類精度。本文提出了一種改進的基于相關(guān)性的遞歸特征消除方法(簡稱為C-R

3、FE)。新方法通過計算基因間的相關(guān)性，在尋求數(shù)據(jù)最小冗余的同時，考慮了如何避免過度刪除與目標表現(xiàn)型相關(guān)的基因。實驗證明，使用新方法選擇特征基因子集可大幅度提高分類性能，特征選擇效率也較高。 對于基于基因表達數(shù)據(jù)的基因功能分類，根據(jù)功能類的隸屬關(guān)系，本文給出了基于功能樹的置信度調(diào)整和基于功能樹的優(yōu)勢因子決策兩個準則。依據(jù)這兩個準則，本文提出了一種改進的基于基因功能樹的基因功能分類算法。新算法在測試階段可自動檢測出某一基因在某個功能