基于演化超網(wǎng)絡(luò)集成的癌癥分子分型方法.pdf

1、癌癥的正確分類是現(xiàn)代癌癥治療的重要組成部分，準(zhǔn)確的癌癥診斷可以為癌癥患者采取適合的治療方法提供幫助。傳統(tǒng)的癌癥診斷方法主要依據(jù)癥狀、體征、影像檢查、組織細(xì)胞病理等臨床和組織病理學(xué)信息進(jìn)行診斷，存在診斷時(shí)間長(zhǎng)，花費(fèi)高等缺點(diǎn)。另外，相當(dāng)多的惡性腫瘤形態(tài)特征并不明顯，難以分辨，造成基于組織檢查或者影像分析的癌癥診斷方法精度不高，頻繁錯(cuò)過患者的最佳治療期。由此，許多研究者開始對(duì)分子水平上的“指紋”----DNA微陣列進(jìn)行研究，從而從分子水平利用

2、基因表達(dá)數(shù)據(jù)對(duì)癌癥進(jìn)行分類和預(yù)測(cè)，希望可以為癌癥的診斷和治療提供強(qiáng)而有力的幫助。DNA微陣列技術(shù)又稱基因芯片，是多種技術(shù)的結(jié)合，發(fā)展十分迅速。采用DNA微陣列技術(shù)，能夠同時(shí)觀測(cè)生物樣本中成千上萬個(gè)基因的表達(dá)水平，可以從分子水平上發(fā)現(xiàn)不同癌癥樣本以及正常樣本中基因表達(dá)的異同，從而為癌癥更進(jìn)一步的準(zhǔn)確分類提供了可能。由于DNA微陣列自身的特點(diǎn)，在進(jìn)行癌癥分類之前必須要進(jìn)行特征基因選擇。同時(shí)，傳統(tǒng)模式識(shí)別方法存在過度適應(yīng)，學(xué)習(xí)和識(shí)別時(shí)間長(zhǎng)，學(xué)

3、習(xí)結(jié)果不易分析等局限，考慮到演化超網(wǎng)絡(luò)能夠表達(dá)復(fù)雜數(shù)據(jù)的內(nèi)在結(jié)構(gòu)，可以有效挖掘特征與特征、特征與類別之間的關(guān)聯(lián)程度，適合解決基于DNA微陣列的癌癥分型問題，所以本文采用演化超網(wǎng)絡(luò)作為基分類器，并對(duì)多個(gè)基分類器進(jìn)行集成，進(jìn)而解決多種癌癥數(shù)據(jù)集的分類問題。
　　 本研究主要內(nèi)容包括：⑴DNA微陣列是一種樣本數(shù)量較少，維度很高，噪聲和冗余基因多的數(shù)據(jù)，為了能夠構(gòu)建一個(gè)高效準(zhǔn)確的癌癥分型系統(tǒng)，本文探索了五種基于過濾的特征基因選擇方法，分

4、別通過與演化超網(wǎng)絡(luò)分型系統(tǒng)結(jié)合，尋找與分類器比較適合的選擇方法。⑵針對(duì)目前超網(wǎng)絡(luò)對(duì)多類型癌癥分型研究較少的問題，提出了基于演化超網(wǎng)絡(luò)的多類型癌癥分子分型方法。主要方法是采用一對(duì)多的方式，把多類問題轉(zhuǎn)化為二類問題。先生成一系列的二類分類器，然后把多個(gè)二類分類器集成起來，成為最終的多類型分型系統(tǒng)。實(shí)驗(yàn)表明文中構(gòu)建的系統(tǒng)具有與其他傳統(tǒng)分類方法可比的識(shí)別率，同時(shí)有利于挖掘癌癥分類相關(guān)基因，具有良好的學(xué)習(xí)結(jié)果可讀性。⑶為提高系統(tǒng)的識(shí)別率，穩(wěn)定性及