面向腫瘤檢測(cè)的生物表達(dá)數(shù)據(jù)特征選擇研究.pdf

1、腫瘤是影響人類健康的主要疾病之一。基因微陣列和蛋白質(zhì)質(zhì)譜等技術(shù)的出現(xiàn)為人類疾病的診斷和防治開(kāi)辟了新的途徑?；诨蛭㈥嚵泻偷鞍踪|(zhì)質(zhì)譜等數(shù)據(jù)的腫瘤研究已成為生物信息學(xué)研究的熱點(diǎn)，但由于其數(shù)據(jù)具有高維小樣本等特點(diǎn)，常規(guī)模式識(shí)別方法已不再適用。目前已有一些研究取得了較好的模式分類率，但缺乏對(duì)臨床生物學(xué)意義的關(guān)注。可以肯定的是利用越多的臨床信息或生物先驗(yàn)知識(shí)能夠更好的提高分類率，加強(qiáng)結(jié)果的生物相關(guān)性。在本研究中，基于卵巢癌磷脂代謝物數(shù)據(jù)和四個(gè)公

2、共基因微陣列數(shù)據(jù)，不僅利用集成的模式識(shí)別方法，同時(shí)還根據(jù)樣本臨床診斷結(jié)果，辨識(shí)并選擇與診斷相關(guān)的特征標(biāo)志物。
　　 目前基于生物表達(dá)數(shù)據(jù)的特征識(shí)別方法主要有過(guò)濾法和纏繞法兩大類方法。過(guò)濾法完全獨(dú)立于分類器，分類精度不能得到保障，且過(guò)濾原則與類別信息無(wú)關(guān)；纏繞法與分類器相結(jié)合，能獲得較高的分類精度，但不能保證結(jié)果與疾病有較強(qiáng)的相關(guān)性；另外，表達(dá)數(shù)據(jù)的高維、高噪聲的特點(diǎn)更加增加了過(guò)擬合的風(fēng)險(xiǎn)。針對(duì)以上問(wèn)題，本研究采取將過(guò)濾法和纏繞法

3、相結(jié)合的策略，克服了單一使用纏繞法或過(guò)濾法的缺點(diǎn)，并避免過(guò)擬合現(xiàn)象的產(chǎn)生，保證較高分類率的同時(shí)不依賴于具體分類器，另一方面引入臨床診斷結(jié)果使選擇的生物標(biāo)志物具有較強(qiáng)的腫瘤類別相關(guān)性。
　　 具體方法上：1)使用臨床診斷結(jié)果相關(guān)的有監(jiān)督奇異值分解，引入樣本散點(diǎn)圖和科爾莫諾夫-斯米爾諾夫檢驗(yàn)，以辨識(shí)出含有樣本類別信息的特征向量，克服傳統(tǒng)奇異值分解按方差“貢獻(xiàn)率”來(lái)提取特征向量的缺點(diǎn)，避免“丟棄”貢獻(xiàn)率低但包含重要生物信息的特征向量。

4、2)提出了基于相對(duì)重要性的隨機(jī)森林決策理論，按照特征的相對(duì)重要性指標(biāo)來(lái)選擇關(guān)鍵特征，使用Gini指數(shù)和信息熵結(jié)合樣本分類率來(lái)計(jì)算特征的相對(duì)重要性。在具體實(shí)驗(yàn)上，本研究選用卵巢癌磷脂代謝物數(shù)據(jù)和四個(gè)公共基因微陣列數(shù)據(jù)進(jìn)行分析和數(shù)值實(shí)驗(yàn)，在自身陳述結(jié)果的基礎(chǔ)上，與其他經(jīng)典方法從分類性能和特征生物學(xué)關(guān)聯(lián)意義等方面進(jìn)行對(duì)比。
　　 實(shí)驗(yàn)結(jié)果表明：1)與經(jīng)典方法和其他相關(guān)已發(fā)表算法相比，本方法在多個(gè)數(shù)據(jù)集上所選取的特征子集不僅具有較強(qiáng)的分