基因表達數(shù)據(jù)分析的若干問題研究.pdf

1、基因表達信息是理解基因功能和基因調(diào)控的潛在機制的重要線索，是生物學醫(yī)學研究中的重要內(nèi)容之一?；蛐酒菣z測基因表達的有效技術，它可以在一次的實驗中同時檢測成千上萬個基因的表達水平，很快就可以產(chǎn)生數(shù)以兆計的基因表達數(shù)據(jù)。
　　本論文針對基因表達數(shù)據(jù)分析的若干問題進行了研究，主要研究內(nèi)容如下：
　　1.不同于以往選擇特征基因的方法，提出了一種集成數(shù)據(jù)選擇特征基因的新方法(GSMDI-gene selection by multi

2、ple data integration)。針對多來源數(shù)據(jù)中的每一個，首先計算每個基因在這一數(shù)據(jù)上的差異表達統(tǒng)計量，然后用這些統(tǒng)計量來代替這一原始數(shù)據(jù)進行后面的分析，最后利用多來源的數(shù)據(jù)提取特征，在不同的單一來源的數(shù)據(jù)上進行訓練和測試，訓練分類器的數(shù)據(jù)和測試數(shù)據(jù)是同一來源的，不同來源的數(shù)據(jù)僅僅用于特征的提取。在四個真實的基因表達數(shù)據(jù)集上對提出的方法進行測試并與對照的方法比較，實驗結(jié)果顯示，我們的方法所選出的特征應用于分類的效果更好。

3、r>　　2.樣本的多類分類問題是基因表達數(shù)據(jù)分析中的熱點和難點問題，本文提出了一種基于類別樹的多類分類算法，樹結(jié)構可以提供更強的生物學意義。這一方法首先借助各類別間的關系構造完全圖，并且在產(chǎn)生完全圖時應用基因選擇方法，然后構建的類別樹更有利于分類性能的提升，最后通過在類別樹上重新進行基因選擇并訓練基于支持向量機的分類器，把分類和基因選擇集成到一起。提出的方法用兩個公共可得到的真實數(shù)據(jù)集進行了測試，實驗結(jié)果顯示該方法運行效率高，分類性能好

4、。
　　3.交叉驗證是估計分類誤差率的最著名的方法之一，為了降低估計誤差，需要重復交叉驗證的次數(shù)來獲得平均結(jié)果。然而，交叉驗證的次數(shù)通常通過經(jīng)驗給出。提出了兩個基于近似置信區(qū)間的方法(FCI和TSE)用于確定交叉驗證的重復次數(shù)。在真實數(shù)據(jù)上的實驗結(jié)果顯示，經(jīng)驗方法給出交叉驗證的重復次數(shù)通常是不可靠的，所提出的方法確定交叉驗證的次數(shù)可以達到預先指定精度的誤差率。同時，兩種方法可以自動適應數(shù)據(jù)、k值以及分類模型的變化。
　　本文