兩類稀疏群Lasso及其在生物信息挖掘中的應(yīng)用.pdf

1、稀疏回歸模型具有在高維數(shù)據(jù)上預(yù)測和估計(jì)未知參數(shù)的優(yōu)點(diǎn),因此在統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、生物信息學(xué)等領(lǐng)域引起了廣泛的關(guān)注.然而將其應(yīng)用于復(fù)雜疾病和復(fù)雜生物過程的生物信息挖掘中時(shí)面臨著群體基因選擇、生物可解釋性等問題.為此,本文通過結(jié)合系統(tǒng)生物學(xué)中的網(wǎng)絡(luò)分析方法和統(tǒng)計(jì)機(jī)器學(xué)習(xí)中的群lasso方法,提出了兩類稀疏群lasso模型,發(fā)展了相應(yīng)的快速求解算法,并將其成功應(yīng)用于微陣列數(shù)據(jù)分類和基因選擇中去.本文的主要貢獻(xiàn)如下:
　　(1)針對微陣列數(shù)

2、據(jù)的二分類問題,提出了基于加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析的自適應(yīng)稀疏群lasso模型,并且發(fā)展了相應(yīng)的求解算法.該方法一個(gè)主要?jiǎng)?chuàng)新點(diǎn)是將群lasso中的基因群和加權(quán)基因共表達(dá)網(wǎng)絡(luò)中的模塊結(jié)合起來,提出了一種對應(yīng)于生物通路的分群策略.另一個(gè)創(chuàng)新之處是通過評估基因重要性構(gòu)造具有生物意義的權(quán)重,提出了一種自適應(yīng)基因選擇策略.將上述模型和求解算法應(yīng)用到大鼠肝細(xì)胞增殖過程的生物信息挖掘中去,成群地篩選出了與肝細(xì)胞增殖相關(guān)的基因.與其他五種模型相比,本文所

3、提模型獲得了最高的分類精度和最穩(wěn)定的基因選擇性能.
　　(2)針對微陣列數(shù)據(jù)的多類分類問題,提出了基于加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析的多項(xiàng)式稀疏重疊群lasso模型,并且發(fā)展了該模型的求解算法.該方法的主要?jiǎng)?chuàng)新是使用加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析方法將多類分類超高維生物數(shù)據(jù)進(jìn)行重疊分群,從而提出了一種重疊分群策略.將上述模型和求解算法應(yīng)用到肺癌的診斷和群體基因選擇中去,成群地篩選出了與肺癌高度相關(guān)的基因.相對于其他三種模型,本文所提出的模型取得了