基于基因表達(dá)譜的基因挖掘算法研究.pdf

1、隨著基因基因芯片技術(shù)的快速發(fā)展，生物學(xué)在研究方式上發(fā)生了巨大的變化，慢慢地由原來的基于實(shí)驗(yàn)的定性研究向基于數(shù)據(jù)的定量研究靠攏，生物信息學(xué)應(yīng)運(yùn)而生，為傳統(tǒng)生物學(xué)注入了強(qiáng)大的動(dòng)力，特別是近幾年圍繞微陣列芯片展開的廣泛而深入的研究，淋漓地展現(xiàn)了計(jì)算機(jī)和數(shù)學(xué)等工具在解決生物問題時(shí)的強(qiáng)大威力。
　　本論文的研究方向是生物信息領(lǐng)域的基于基因表達(dá)譜的基因挖掘。研究內(nèi)容和取得的研究成果主要包括五個(gè)方面。第一，對相關(guān)性理論和特征基因挖掘理論及其方法

2、進(jìn)行了總結(jié)。第二，提出了一個(gè)度量基因集合表達(dá)差異性的測度FLDT，該測度將fisher線性分類與t-statistic相結(jié)合，不但能夠給出基因集合整體進(jìn)行評價(jià)，而且同時(shí)能夠?qū)现忻總€(gè)基因的進(jìn)行評價(jià)。第三，在傳統(tǒng)的基于決策樹的集成基因挖掘算法中，樣本空間中的分類平面必須與坐標(biāo)軸平行，大大限制了該算法的性能，針對此，本論文中提出了一種改進(jìn)算法，該算法利用基因集合的FLDT測度的獨(dú)有特性，實(shí)現(xiàn)了節(jié)點(diǎn)包含的基因數(shù)目可以是小于N(N的值由用戶指

3、定)的任意數(shù)目的改進(jìn)，提高了原算法的靈活性和分類能力。第四，目前存在大量的基因挖掘的方法，對于這些算法的評價(jià)漸漸也成為一個(gè)研究方向，目前提出的各種評價(jià)方法，大多是采用數(shù)學(xué)分析和隨機(jī)模擬的方法，本文提出了一種基于準(zhǔn)相關(guān)基因集合的評價(jià)方法，并基于此提出了一個(gè)多個(gè)基因排序相融合的算法IndexFusion，該算法可以通過多個(gè)基因排序得到一個(gè)較優(yōu)的融合排序。最后實(shí)現(xiàn)了一個(gè)相關(guān)基因挖掘系統(tǒng)，該系統(tǒng)包含本論文中提出的所有算法和其他文獻(xiàn)中出現(xiàn)的其他一