基因表達譜數(shù)據(jù)挖掘的特征提取方法研究.pdf

1、隨著新分子生物學技術(shù)和DNA微陣列技術(shù)的迅速發(fā)展，在生物樣本中可以同時定量測量數(shù)以萬計的基因表達水平，使用這一技術(shù)產(chǎn)生的基因表達譜數(shù)據(jù)能夠揭開隱含的、以前未知的生物學知識。近幾年來，研究學者利用統(tǒng)計學和模式識別等知識對微陣列基因表達譜數(shù)據(jù)進行分析，對致病的腫瘤基因進行有效的挖掘，從而對腫瘤的類型作出準確的診斷和分類預測。然而針對高維小樣本特點的腫瘤基因表達譜數(shù)據(jù)來說，傳統(tǒng)的數(shù)據(jù)處理方法在對腫瘤數(shù)據(jù)進行分析之前，普遍都是將高維度的腫瘤數(shù)據(jù)

2、轉(zhuǎn)換為低維度之后再進行處理，在保證分類識別精度的同時提高學習方法的性能和計算效率。
　　本文通過結(jié)合生物信息學和模式識別中的相關(guān)知識，對高維小樣本特點的腫瘤數(shù)據(jù)進行特征基因的提取，并對相應的實驗結(jié)果進行了有效性分析，其主要研究內(nèi)容如下:
　　1.提出一種基于子模態(tài)性質(zhì)的特征基因選擇算法。首先，考慮到腫瘤基因表達譜數(shù)據(jù)基因之間相關(guān)性的特點，將獨立的基因?qū)傩赞D(zhuǎn)變?yōu)榫哂薪Y(jié)構(gòu)信息的鄰接圖;其次，對表征基因關(guān)系的鄰接矩陣構(gòu)建子模性質(zhì)的

3、特征選擇目標函數(shù)，然后使用貪心算法求解，獲得相應的特征基因子集;最后，將訓練樣本選取的特征子集運用到測試樣本分類中，使用KNN和SVM分類器進行分類識別，通過對實驗結(jié)果的分析說明了該方法的有效性。
　　2.針對高維小樣本特點的腫瘤基因表達譜數(shù)據(jù)，將局部保持投影降維方法應用于腫瘤基因表達譜特征基因提取中。該方法首先使用主成分分析(PCA)對高維的原始數(shù)據(jù)進行降維和去噪，將處理后的數(shù)據(jù)通過保留99％的主成分作為對原始數(shù)據(jù)的表征;然后利