基因表達(dá)數(shù)據(jù)分析的若干問題研究.pdf

1、基因表達(dá)信息是理解基因功能和基因調(diào)控的潛在機(jī)制的重要線索，是生物學(xué)醫(yī)學(xué)研究中的重要內(nèi)容之一。基因芯片是檢測(cè)基因表達(dá)的有效技術(shù)，它可以在一次的實(shí)驗(yàn)中同時(shí)檢測(cè)成千上萬個(gè)基因的表達(dá)水平，很快就可以產(chǎn)生數(shù)以兆計(jì)的基因表達(dá)數(shù)據(jù)。
　　本論文針對(duì)基因表達(dá)數(shù)據(jù)分析的若干問題進(jìn)行了研究，主要研究?jī)?nèi)容如下：
　　1.不同于以往選擇特征基因的方法，提出了一種集成數(shù)據(jù)選擇特征基因的新方法(GSMDI-gene selection by multi

2、ple data integration)。針對(duì)多來源數(shù)據(jù)中的每一個(gè)，首先計(jì)算每個(gè)基因在這一數(shù)據(jù)上的差異表達(dá)統(tǒng)計(jì)量，然后用這些統(tǒng)計(jì)量來代替這一原始數(shù)據(jù)進(jìn)行后面的分析，最后利用多來源的數(shù)據(jù)提取特征，在不同的單一來源的數(shù)據(jù)上進(jìn)行訓(xùn)練和測(cè)試，訓(xùn)練分類器的數(shù)據(jù)和測(cè)試數(shù)據(jù)是同一來源的，不同來源的數(shù)據(jù)僅僅用于特征的提取。在四個(gè)真實(shí)的基因表達(dá)數(shù)據(jù)集上對(duì)提出的方法進(jìn)行測(cè)試并與對(duì)照的方法比較，實(shí)驗(yàn)結(jié)果顯示，我們的方法所選出的特征應(yīng)用于分類的效果更好。

3、r>　　2.樣本的多類分類問題是基因表達(dá)數(shù)據(jù)分析中的熱點(diǎn)和難點(diǎn)問題，本文提出了一種基于類別樹的多類分類算法，樹結(jié)構(gòu)可以提供更強(qiáng)的生物學(xué)意義。這一方法首先借助各類別間的關(guān)系構(gòu)造完全圖，并且在產(chǎn)生完全圖時(shí)應(yīng)用基因選擇方法，然后構(gòu)建的類別樹更有利于分類性能的提升，最后通過在類別樹上重新進(jìn)行基因選擇并訓(xùn)練基于支持向量機(jī)的分類器，把分類和基因選擇集成到一起。提出的方法用兩個(gè)公共可得到的真實(shí)數(shù)據(jù)集進(jìn)行了測(cè)試，實(shí)驗(yàn)結(jié)果顯示該方法運(yùn)行效率高，分類性能好

4、。
　　3.交叉驗(yàn)證是估計(jì)分類誤差率的最著名的方法之一，為了降低估計(jì)誤差，需要重復(fù)交叉驗(yàn)證的次數(shù)來獲得平均結(jié)果。然而，交叉驗(yàn)證的次數(shù)通常通過經(jīng)驗(yàn)給出。提出了兩個(gè)基于近似置信區(qū)間的方法(FCI和TSE)用于確定交叉驗(yàn)證的重復(fù)次數(shù)。在真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果顯示，經(jīng)驗(yàn)方法給出交叉驗(yàn)證的重復(fù)次數(shù)通常是不可靠的，所提出的方法確定交叉驗(yàn)證的次數(shù)可以達(dá)到預(yù)先指定精度的誤差率。同時(shí)，兩種方法可以自動(dòng)適應(yīng)數(shù)據(jù)、k值以及分類模型的變化。
　　本文