微陣列數(shù)據(jù)挖掘技術的研究.pdf

1、微陣列作為一種新的分子生物學技術,可以同時測量生物樣本在幾千個基因中的表達水平.從這一實驗手段可以得到全基因組的基因表達數(shù)據(jù),為獲取內(nèi)在、未知而有意義的生物學知識提供了可能.這一領域研究的主要挑戰(zhàn)在于開發(fā)生物信息學工具來搜集分析數(shù)據(jù).該論文研究了有關微陣列數(shù)據(jù)挖掘所涉及的幾個主要問題,包括基因選擇,組織分類和通過基因表達數(shù)據(jù)的調(diào)控網(wǎng)絡重建等.該文主要的工作歸納如下:常用的排列法從微陣列數(shù)據(jù)中選擇的基因集合往往會包含相關性較高的基因,這會

2、影響分類器的性能.為了去除這些冗余基因(特征),提出了無監(jiān)督的特征選擇算法.算法主要包含兩步:將原始特征集劃分為一組相似的子集(聚類);從每個聚類中選擇代表性特征.特征的劃分采用特征間的相關性作為測度以k近鄰原則來完成.算法無需指定聚類數(shù)量,時間復雜度低.真實的生物學數(shù)據(jù)實驗證明該算法可顯著提高分類器的分類準確性.采用微陣列數(shù)據(jù)進行組織樣本有監(jiān)督分類所面臨的主要挑戰(zhàn)在于基因數(shù)量遠多于樣本數(shù)量.為此提出了采用人工神經(jīng)網(wǎng)絡集成的分類方法,該

3、方法使用Wilcoxon測試選擇用于分類的重要基因,神經(jīng)網(wǎng)絡集成中各個體通過凸偽數(shù)據(jù)法產(chǎn)生的數(shù)據(jù)來訓練,用簡單平均法結合網(wǎng)絡個體的測試結果.實際的生物學數(shù)據(jù)實驗表明該方法性能優(yōu)于單個神經(jīng)網(wǎng)絡,最近鄰法和決策樹.貝葉斯網(wǎng)絡是一種表示多變量聯(lián)合概率分布的圖模型,它可以獲得變量之間的條件獨立關系.由于可以用來表示基因表達的復雜隨機過程而受到關注.該文比較了爬山法和馬爾可夫蒙特卡洛(MCMC)兩種貝葉斯網(wǎng)絡學習方法在模擬微陣列數(shù)據(jù)情況下的性能.