微陣列數據分析中的基因選擇及樣本分類方法研究.pdf

1、微陣列技術給生物學研究領域提供了極為豐富、詳盡的基因表達信息。對微陣列數據的分析研究可以幫助人們理解生命現象的機理，并促進醫(yī)學向更精確的診療方向發(fā)展。鑒于基因微陣列數據的高維小樣本、高噪聲等特點，迫切需要借助于先進的計算方法來分析和利用這些原始信息。
　　 微陣列數據分析是生物信息學的重要研究課題，檢測差異表達基因、最大化樣本分類準確率是其中兩大關鍵技術。本文從基因選擇、基因約簡、樣本分類三方面展開研究，并取得如下研究成果：

2、r>　　 首先研究了差異表達基因選擇問題，提出了基因差異表達顯著性閾值的計算方法。該方法通過構造一個優(yōu)化的統計量，根據給定的錯誤率指標估算出統計量的閾值，使得統計量大于該閾值的基因可被認為是差異表達基因。仿真及真實微陣列數據上的實驗結果驗證了該方法的有效性。
　　 在本論文中，差異表達基因被用作樣本分類的特征基因。在確定基因是否差異表達的基礎上，為了減少特征基因冗余對樣本分類的影響，研究了多種基因約簡方法。約簡是基于粗糙集理論

3、的知識發(fā)現過程。經典的粗糙集理論建立在等價關系基礎上之上，其結果對數據噪聲較為敏感。本論文提出了Spearman秩相關分析、近似分布約簡、區(qū)間值分析等基因約簡方法。實驗結果表明，通過這些方法優(yōu)化的特征基因集有效地提高了樣本分類的準確率。
　　 微陣列數據的小樣本特性給現有的分類算法帶來了新的挑戰(zhàn)。本文提出了一個基于主曲線的微陣列數據分類方法。該方法首先在訓練數據集上計算出每類樣本的主曲線，然后根據測試樣本與各類樣本的主曲線間距離