基因表達數據分類算法及其應用研究.pdf

1、使用機器學習方法分析生物信息學中的復雜數據是目前重要的研究領域之一。通過微陣列測試技術得到的基因表達數據可以表現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，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據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據的腫瘤分類，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算法的基礎上，本文將兩者結合成為一種新的應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，在對測試數據進行分類時，依據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。針對基因表達數據集具有“樣本數目少，基因數目龐大”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性，在尋求數據最小冗余的同時，考慮了如何避免過度刪除與目標表現型相關的基因。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據的基因功能分類，根據功能類的隸屬關系，本文給出了基于功能樹的置信度調整和基于功能樹的優(yōu)勢因子決策兩個準則。依據這兩個準則，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