急性白血病相關(guān)基因的文本挖掘分析.pdf

1、，、y ，0 5 5 6 6分類號—￡業(yè) 單位代碼：1 0 1 5 9學(xué) 號：2 0 0 3 2 2 0 9 5中回鏨升太零碩士學(xué)位論文題 目：急性白血病相關(guān)基因的文本挖掘分析N i n i n gR e l a t i o n s h i pB e t w e e nA c u t ek l l l 【e “a a n dR e l a t e dC e n e sb yT e x t u a lD a t aN i n i n g研

2、究生：——上L 』L導(dǎo) 師： 堡重學(xué)科專業(yè)： 煎盤叢生魚墨生墮鹽塋論文課題起止時間： ! 唑主i 旦二! 堂主! 旦論文完成時間：! 堂圭』基，一一一?一?一、 { 、?! 奎鰱塑量?／}急性白血病相關(guān)基因的文本挖掘分析目 的尋找一種通過文本挖掘獲取醫(yī)學(xué)文獻(xiàn)中的有益信息進(jìn)而用于解釋生物數(shù)據(jù)的方法。本文以急性白血病為例，通過主題詞和自然語言兩種途徑以疾病與基因的共現(xiàn)關(guān)系為基礎(chǔ)進(jìn)行聚類分析’，挖掘基因與疾病之間的關(guān)系，并對兩種途徑的有效性進(jìn)

3、行評價。材料與方法以“l(fā) e u k e m i a [ m a j r ] A N Dg e n e s [ m a j r ] ”為檢索策略通過P U B M E D 檢索1 9 6 6 年到2 0 0 5 年9 月6 日的有關(guān)白血病與基因關(guān)系的相關(guān)文獻(xiàn)，共檢得3 5 2 9 篇。將檢索結(jié)果分別保存為X M L 格式和M e d l i n e 格式，作為挖掘樣本。對X M L 格式的樣本，根據(jù)主題詞的樹狀結(jié)構(gòu)從中篩選急性白血病類和

4、基因類主題詞進(jìn)行處理，選取出現(xiàn)頻次大于等于3 的主要主題詞共7 5 個進(jìn)行統(tǒng)計，生成詞篇矩陣，對生成的詞篇矩陣采用二值( B i n a r y ) 資料測量中的h a m a n n 變換，使用重心法( c e n t r o i d c l u s t e r i n g ) 進(jìn)行聚類。對m e d l i n e 格式樣本采用M M T x 進(jìn)行處理，從處理結(jié)果中提取語義類型為“n e o p l a s t i cp r o c

5、 e s s ”出現(xiàn)頻次大于3 0 的前3 0 個腫瘤類概念為列，另取語義類型為“g e n eo rg e —n o m e ”出現(xiàn)頻次大于6 7 的前6 0 個基因類概念為行，計算生成腫瘤類概念與基因類概念的共句矩陣，對生成的矩陣采用計數(shù)資料( c o u n t s ) 測量中的c h i ：s q u a r e 法，使用最大距離( f u r t h e s tn e i g h b o r ) 進(jìn)行聚類。結(jié) 果從X M L