腫瘤基因芯片數(shù)據(jù)聚類分析算法研究.pdf

1、生物信息的爆炸式增長吸引了大量科研人員加入到生物信息學(xué)研究領(lǐng)域中來，使得生物信息學(xué)很快成為全球關(guān)注與研究的焦點(diǎn)?；诨虮磉_(dá)譜的腫瘤檢測方法有望成為臨床醫(yī)學(xué)上一種快速而有效的腫瘤分子診斷方法，但由于基因表達(dá)譜數(shù)據(jù)存在維數(shù)過高、樣本量很小以及噪音非常大等特點(diǎn)，使得選擇與腫瘤有關(guān)的信息基因或從基因表達(dá)譜中抽取腫瘤特征信息成為一項(xiàng)有挑戰(zhàn)性的工作。正因如此，國內(nèi)外專家學(xué)者對這個(gè)分類問題進(jìn)行了廣泛而深入的研究，發(fā)表了大量的研究論文。 從基

2、因表達(dá)譜的成千上萬個(gè)基因中選擇分類能力盡可能強(qiáng)而數(shù)量又盡可能少的信息基因子集極巨復(fù)雜性，通常情況下，在如此大的基因空間中進(jìn)行窮盡搜索是不可能的事情。因而，合適的聚類方法與分類器的選擇是至關(guān)重要的。 本論文中，我們在總結(jié)腫瘤聚類與分類研究成果的基礎(chǔ)上，提出了新的腫瘤信息基因選擇方法和基于基因表達(dá)譜的腫瘤聚類與分類模型，然后詳細(xì)闡述了模型的關(guān)鍵環(huán)節(jié)及所采用的方法，最后對聚類與分類正確率與用傳統(tǒng)方法的結(jié)果做了比較。 本文主要作

3、了以下研究工作：第一，對選擇的信息基因數(shù)據(jù)集進(jìn)行腫瘤的聚類分析。我們提出了利用獨(dú)立分量分析算法(Independent Component Analysis：ICA)進(jìn)行信息基因的選擇，然后將非負(fù)矩陣分解(Non-negative Matrix Factorization：NMF)及其擴(kuò)展算法-稀疏非負(fù)矩陣分解(Sparse NMF：SNMF)和具有稀疏約束的非負(fù)矩陣分解(NMF withSparseness Constraint：NM

4、FSC)用于聚類分析。實(shí)驗(yàn)采用了三種腫瘤樣本集驗(yàn)證了我們所用方法的可行性和有效性。第二，在用ICA提取特征基因的基礎(chǔ)上，進(jìn)一步利用順序浮動(dòng)前向選擇算法(Sequential Floating Forward Selection：SFFS)來選擇最具判別力的特征基因，然后將支持向量機(jī)(Support Vector Machine：SVM)作為分類器進(jìn)行腫瘤分類研究。我們也將這種方法用在三種腫瘤樣本集上，通過與利用其它方法的結(jié)果對比，表明了