基于壓縮感知算法的基因表達數(shù)據(jù)分類的研究.pdf

1、癌癥的發(fā)生通常是由于細胞增長機制的失常而引起的，表現(xiàn)為細胞內(nèi)某些基因突變或表達異常所致，進一步影響其他基因的表達，從而導致一些蛋白質(zhì)分子的表達發(fā)生改變，因此產(chǎn)生了病理學上腫瘤的差異，形成了臨床診斷中的不同的癌癥類別。隨著20世紀90年代啟動的人類基因組計劃(Human Genome Project)的順利進行，DNA微陣列技術(shù)的迅速發(fā)展給癌癥的臨床輔助診斷和治療帶來了新的希望，它在實驗中產(chǎn)生的基因表達數(shù)據(jù)可以使我們從基因水平對癌癥病因進

2、行分析和研究。但一次微陣列實驗會同時產(chǎn)生數(shù)以萬計的基因表達數(shù)據(jù)，對海量的基因表達數(shù)據(jù)進行分析和處理，從中提取有效的生物信息給人們的研究提出了新的挑戰(zhàn)。基因表達譜數(shù)據(jù)分析是生物信息學領(lǐng)域研究的最重要內(nèi)容之一，作為研究的一種重要的方法，正確的對不同病理分型的癌癥進行分類，對癌癥的臨床診斷和治療具有非常重要的意義。壓縮感知理論的提出和發(fā)展，給高維的基因表達譜數(shù)據(jù)處理帶來了新的啟發(fā)：如果可以在某個空間基下對基因表達數(shù)據(jù)進行稀疏表示，在對數(shù)據(jù)分類

3、時，特征選取不再是一個難點，大量的特征值將成為算法中可利用的優(yōu)點。目前壓縮感知算法已經(jīng)成功的應(yīng)用于人臉識別的研究，并且取得了很好的分類效果?；虮磉_數(shù)據(jù)同樣具有小樣本、高維性等特點，本文將采用壓縮感知算法實現(xiàn)對基因表達數(shù)據(jù)的分類。
　　本文分析并實現(xiàn)了壓縮感知算法(Compressed Sensing，CS)并將其應(yīng)用于國際上通用的基因表達數(shù)據(jù)的分類。首先將基因表達數(shù)據(jù)通過K近鄰算法對缺失值進行添補，將數(shù)據(jù)標準化；在此基礎(chǔ)將數(shù)據(jù)分

4、為訓練數(shù)據(jù)集和測試數(shù)據(jù)集，使用訓練數(shù)據(jù)集構(gòu)造冗余字典，采用隨機分布的規(guī)范行矢量高斯矩陣構(gòu)造傳感矩陣，對訓練數(shù)據(jù)集和測試數(shù)據(jù)集進行感知，利用更加簡單的l2范數(shù)優(yōu)化問題來求最小l0范數(shù)解，在變換域中采用近鄰法測試判斷測試樣本的所屬類別。從而實現(xiàn)壓縮感知算法對基因表達數(shù)據(jù)的分類。
　　經(jīng)過反復實驗，本文實現(xiàn)了對基因表達數(shù)據(jù)的分類，利用本文提出的壓縮感知算法最終對三個國際上常用的基因表達數(shù)據(jù)集分類都得到了很好的分類效果，分類準確率達到了9