基因表達數(shù)據(jù)的判別分析與變量選擇方法研究.pdf

1、隨著人類基因組草圖繪就的完成，人類基因組研究計劃（Human Genome Project，HGP）進入了后基因組時代。后基因組時代研究的重點由基因序列研究上升為基因功能的研究。20世紀(jì)90年代開發(fā)的微陣列技術(shù)使研究人員可以同時測定成千上萬個基因的表達水平。這為研究基因之間表達控制的復(fù)雜關(guān)系，生物標(biāo)志物的檢測（Biomarker Identification）以及癌癥分類（Cancer Classification）提供了重要依據(jù)。然而

2、基因表達數(shù)據(jù)高維數(shù)、高噪聲的特點對分析方法提出了更高的要求。如何在海量基因表達數(shù)據(jù)中，發(fā)現(xiàn)腫瘤組織的基因表達模式，成功地將臨床表征不明或容易誤診的惡性腫瘤準(zhǔn)確、快速地區(qū)分開，是一項具有挑戰(zhàn)性的研究課題。這將為癌癥的早期診斷與及時治療做出重要的貢獻。 近年來，多種判別分析和變量選擇的方法用于基因表達數(shù)據(jù)的分析。生物標(biāo)志物的檢測就是從成千上萬的基因當(dāng)中檢測出那些與腫瘤的起因、發(fā)展緊密相關(guān)的關(guān)鍵基因。一個有效的生物標(biāo)志物檢測應(yīng)該使癌癥

3、的診斷更準(zhǔn)確而且更容易解釋。本文圍繞在判別分析中利用稀疏懲罰實現(xiàn)變量選擇的方法，及其在基于基因表達數(shù)據(jù)進行生物標(biāo)志物檢測和癌癥診斷的應(yīng)用，做了三個方面的研究工作，概括如下： （一）將懲罰高斯混合模型應(yīng)用于有監(jiān)督學(xué)習(xí)，并應(yīng)用到癌癥分類和生物標(biāo)志物的檢測中。該方法將高斯混合模型與懲罰似然估計相結(jié)合，通過對對數(shù)似然函數(shù)增加一個關(guān)于類均值的L1懲罰項，使得類均值產(chǎn)生一個稀疏解。將該方法用于一個稀疏模擬數(shù)據(jù)和幾個基因表達數(shù)據(jù)集中，實驗結(jié)果

4、顯示該方法在具有稀疏結(jié)構(gòu)的數(shù)據(jù)中，均可以取得比較準(zhǔn)確且穩(wěn)定的分類結(jié)果。該方法具有不受類數(shù)限制和對變量預(yù)選擇個數(shù)不敏感等優(yōu)點。 （二）將懲罰高斯混合模型的特殊情況稀疏判別分析應(yīng)用于乳腺癌的生物標(biāo)志物檢測和癌癥分類中。該方法不僅可以正確的將癌癥分類，而且在分類過程中自動提取出生物標(biāo)志物。深入分析這一過程的實現(xiàn)，本文給出了一個數(shù)學(xué)的合理性解釋。挑選出的生物標(biāo)志物亦得到了生物醫(yī)學(xué)研究的驗證，并用三個生物標(biāo)志物對乳腺癌樣本進行可視化檢視。