基于機(jī)器學(xué)習(xí)的DNA微陣列數(shù)據(jù)分析.pdf

1、在醫(yī)學(xué)領(lǐng)域，確定癌癥的種類(lèi)及其不同階段對(duì)于選擇相應(yīng)的臨床治療極為重要，而常規(guī)的方法存在很大的局限性。由于惡性腫瘤的發(fā)生、發(fā)展及實(shí)驗(yàn)轉(zhuǎn)歸都伴有復(fù)雜的基因表達(dá)譜變化，因此通過(guò)微陣列實(shí)驗(yàn)中基因表達(dá)數(shù)據(jù)的獲取為癌癥診斷和預(yù)測(cè)提供了新的手段。 在基因表達(dá)譜數(shù)據(jù)獲取過(guò)程中，基因表達(dá)譜數(shù)據(jù)含有較大的實(shí)驗(yàn)誤差。同時(shí)，由于實(shí)驗(yàn)成本較高，樣本的數(shù)目一般為幾十或上百例，而檢測(cè)基因的數(shù)目往往高達(dá)幾千甚至幾萬(wàn)，其中含有大量無(wú)關(guān)的檢測(cè)基因，是典型的高維、高

2、噪問(wèn)題。另一方面，由于功能相似的基因的表達(dá)高度相關(guān)，因此存在大量的冗余基因。如何找出對(duì)疾病有鑒別作用的基因或疾病相關(guān)基因，對(duì)提高腫瘤診斷準(zhǔn)確性具有重大的意義。 為此，本文主要研究和探索了DNA微陣列芯片數(shù)據(jù)的特征提取和選擇技術(shù)以及分類(lèi)器的選擇和改進(jìn)。全文的主要工作包括以下兩個(gè)方面：一是提出新的基因選擇或特征提取算法，選出疾病相關(guān)基因(特征)，組成有效的特征子集，實(shí)現(xiàn)降維，去除冗余的基因(特征)，包括： 1.小波變換特征提

3、取算法。先用t檢驗(yàn)對(duì)訓(xùn)練集做預(yù)處理，將高維矩陣初步降維，再進(jìn)行一維離散小波變換。用最大模值法從細(xì)節(jié)系數(shù)中挑選出一部分，與近似系數(shù)相結(jié)合，得到降維后的特征子集。 2.核方法特征提取算法。先用，檢驗(yàn)對(duì)訓(xùn)練集做預(yù)處理，得到一個(gè)基因子集，用核方法處理該子集，得到降維后的特征子集。 3.支持向量機(jī)基因選擇算法。首先采用wilcoxon rank sum檢驗(yàn)對(duì)訓(xùn)練集做預(yù)處理，再用支持向量機(jī)對(duì)基因子集中的每個(gè)基因進(jìn)行訓(xùn)練和測(cè)試，得到相