基于基因表達譜的小圓藍細胞瘤亞型識別研究.pdf

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