基因表達(dá)譜數(shù)據(jù)特征選擇與提取方法研究.pdf

1、隨著人類基因組計(jì)劃的迅速發(fā)展,DNA微陣列技術(shù)已經(jīng)被廣泛的應(yīng)用到生命科學(xué)的各個(gè)研究領(lǐng)域,由此產(chǎn)生的基因表達(dá)譜數(shù)據(jù)也呈指數(shù)級(jí)增長(zhǎng)。基因表達(dá)譜數(shù)據(jù)可以讓人們從分子水平上了解基因的表達(dá)模式、從微觀層面上去研究生命現(xiàn)象,對(duì)了解癌癥在基因級(jí)別的發(fā)病機(jī)理、癌癥的診斷有著很高的應(yīng)用價(jià)值。
　　在對(duì)基因表達(dá)譜數(shù)據(jù)進(jìn)行研究的時(shí)候,研究者們發(fā)現(xiàn)在高維的數(shù)據(jù)中,只有少量基因?qū)Π┌Y的識(shí)別起著關(guān)鍵的作用,而大量的冗余基因不但會(huì)造成嚴(yán)重的“維數(shù)災(zāi)難”現(xiàn)象,還

2、會(huì)對(duì)癌癥的正確識(shí)別造成一定的干擾,造成分類性能的下降。所以采取適當(dāng)?shù)姆椒▽?duì)基因表達(dá)譜數(shù)據(jù)進(jìn)行降維,選擇具有代表性的特征基因或者特征基因的組合便成為一項(xiàng)非常重要的工作。本論文在浙江省自然科學(xué)基金(Y1080950)和國(guó)家自然科學(xué)基金(60905034)的資助下,從算法設(shè)計(jì)和仿真試驗(yàn)兩方面,研究基因表達(dá)譜數(shù)據(jù)的特征選擇和提取問(wèn)題,主要研究?jī)?nèi)容和成果如下:
　　1.提出兩種特征選擇方法,分別為基于粒子群的 PSO-Selection方法

3、和基于K-means聚類和粒子群的KPSO-Selection方法。PSO-Selection方法是一種濾波式特征選擇方法,判斷特征優(yōu)劣標(biāo)準(zhǔn)的適應(yīng)度函數(shù)定義為類間距離與類內(nèi)距離的比值,將特征選擇轉(zhuǎn)化為組合優(yōu)化問(wèn)題。KPSO-Selection方法是一種混合型特征選擇方法,首先利用K-means方法將包含不同信息的基因聚成固定數(shù)目的簇,對(duì)簇中基因的分類性能進(jìn)行評(píng)價(jià),選擇具有較優(yōu)分類性能的簇,并將這些簇中的基因作為備選基因庫(kù);之后利用PSO

4、和ELM相結(jié)合的Wrappe r方法做進(jìn)一步的特征選擇。實(shí)驗(yàn)結(jié)果證明,兩種特征選擇方法均可以利用較少的基因獲得了更精確的癌癥診斷與類別預(yù)測(cè)。
　　2.采用特征提取的方法對(duì)基因表達(dá)譜數(shù)據(jù)降維,利用降維后的特征進(jìn)行分類能夠獲得較高的分類精度。本文重點(diǎn)研究IC A特征提取方法,傳統(tǒng)的ICA方法是一種無(wú)監(jiān)督方法,無(wú)法有效利用樣本的類別信息,因此將判決函數(shù)引入到ICA特征提取過(guò)程中,將無(wú)監(jiān)督的特征提取轉(zhuǎn)換為有監(jiān)督的特征提取。本文利用三種判決

5、函數(shù)對(duì)判決獨(dú)立成分特征提取方法進(jìn)行驗(yàn)證,均取得了較傳統(tǒng)ICA更優(yōu)的分類效果。
　　3.特征選擇和提取方法,均以獲得一個(gè)對(duì)分類識(shí)別最有效、數(shù)目最少的特征子集為目標(biāo)。特征選擇方法在原特征中選出較少的分量來(lái)表示原模式,而特征提取方法是在某種準(zhǔn)則下,將原特征經(jīng)過(guò)仿射變換產(chǎn)生新的特征,用較少的分量表示原模式。此外,特征選擇和提取方法獲得的特征子集均能最大限度的代表原模式。本文第六章重點(diǎn)研究了特征選擇和提取方法之間的聯(lián)系,通過(guò)理論和實(shí)驗(yàn)證明了