版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、基于基因表達譜,在分子水平上對腫瘤進行分析和研究,是當(dāng)前生物信息學(xué)研究的重要課題。本文針對腫瘤鑒別問題,以小圓藍細胞瘤(SRBCT)為研究對象,從系統(tǒng)科學(xué)和信息科學(xué)的角度,采用人工智能和計算機技術(shù),就小圓藍細胞瘤的特征基因選取問題和亞型識別問題,基于基因表達數(shù)據(jù)進行了研究,取得如下研究成果: 第一,針對SRBCT分類信息的度量指標的研究本文提出了用于SRBCT特征基因選取的類加權(quán)Bhattacharyya距離指標。在修正信噪比指
2、標的基礎(chǔ)上,以體現(xiàn)貝葉斯分類錯誤率的Bhattacharyya距離衡量基因包含的分類信息??紤]到SRBCT具有四個亞型,以各類樣本占總樣本的比例為加權(quán)系數(shù),對四個類別的Bhattacharyya距離加權(quán)求和,以此作為基因排序和選擇的標準。用兩種指標選取基因在不同分類模型上進行亞型識別實驗,結(jié)果表明,用本文提出的指標選取的基因包含更多的分類信息。 第二,針對SRBCT亞型預(yù)測模型的研究本文建立了三種亞型預(yù)測模型,首次將多類支持向量
3、機(MSVM)應(yīng)用到SRBCT亞型識別問題上。分別建立了三層BP網(wǎng)絡(luò)模型,基于BSVM的多模模型和MSVM模型。通過比較不同特征基因集合在三種模型上的分類準確率,確定了一個25個基因的特征集合,基于這個集合利用MSVM可取得100%的預(yù)測準確率。對這三種模型分類性能的對比研究的結(jié)果表明,MSVM優(yōu)于其它兩種方法,是解決SRBCT亞型識別問題的有效工具。 第三,針對SRBCT特征基因集合中冗余基因排除方法的研究本文提出了一種基于P
4、earson相關(guān)系數(shù)的“兩兩冗余”排除法。該方法考慮到某些基因之間存在著相關(guān)性,去掉SRBCT特征基因集合中分類信息指標較大基因的相關(guān)基因,得到15個特征基因。基于這15個特征基因本文構(gòu)建了一個4聚類SOM聚類模型,對所有SRBCT樣本進行聚類,聚類正確率達到100%。與文獻[5]報道的結(jié)果比較,Khan采用主元分析法和人工神經(jīng)網(wǎng)絡(luò)建立的預(yù)測模型需要96個基因,而本文基于MSVM的預(yù)測模型只需15個特征基因就可取得100%的預(yù)測準確率,
5、表明了本文方法的有效性。 本文的研究得到了國家自然科學(xué)基金的支持,已發(fā)表相關(guān)論文4篇,1篇發(fā)表在《計算機應(yīng)用》上,2篇發(fā)表在《計算機工程與應(yīng)用》上,1篇發(fā)表在《ProceedingsoftheThirdInternationalConferenceonMachineLearningandCybernetics,2004》(EI收錄)。本文的研究有助于腫瘤與基因關(guān)系的理解,有助于腫瘤特征基因的選擇,腫瘤的自動分類,以及腫瘤新亞型的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于基因表達譜的癌癥干細胞調(diào)控基因的識別研究.pdf
- 基于基因表達譜的疾病亞型特征基因挖掘算法的研究.pdf
- 基于基因表達譜的腫瘤放療敏感基因識別方法研究.pdf
- 面向腫瘤亞型識別的基因表達譜非負矩陣分解聚類方法研究.pdf
- 42299.基于基因表達譜數(shù)據(jù)識別周期表達基因
- 基于基因表達譜的前列腺癌識別模型研究.pdf
- 激活的CIK細胞基因表達譜研究.pdf
- 基于細胞系基因表達譜篩選耐藥基因標志.pdf
- CMFT體外抑瘤活性及對腫瘤細胞基因表達譜的影響.pdf
- 基于基因表達譜的基因挖掘算法研究.pdf
- 基于Laplace譜的基因表達譜數(shù)據(jù)分類研究.pdf
- 基于基因表達譜識別人類疾病相關(guān)基因和功能.pdf
- B細胞淋巴瘤基因表達譜數(shù)據(jù)分析及網(wǎng)絡(luò)構(gòu)建.pdf
- 惡性黑色素瘤細胞凋亡相關(guān)基因和蛋白表達譜.pdf
- 基于鄰接譜分解的基因表達譜數(shù)據(jù)分類研究.pdf
- 人腦星形細胞瘤Livin基因表達的研究.pdf
- 基于基因表達譜的腫瘤分類特征基因選擇研究.pdf
- 垂體瘤組織基因表達譜及發(fā)病機制研究.pdf
- 基于基因表達譜數(shù)據(jù)的腫瘤分類研究.pdf
- 基于基因表達譜的數(shù)據(jù)挖掘方法研究.pdf
評論
0/150
提交評論