基于智能信息處理技術(shù)的腫瘤基因表達(dá)譜分析.pdf

1、利用基因表達(dá)譜技術(shù)，人們可以在一次實(shí)驗(yàn)中同時(shí)獲得組織樣本中成千上萬個(gè)基因的表達(dá)數(shù)據(jù)，為腫瘤學(xué)提供了一種全新的研究手段。如何從龐大的腫瘤基因表達(dá)譜數(shù)據(jù)中分析和挖掘出有用的信息和知識(shí)，更加全面的認(rèn)識(shí)腫瘤的基因本質(zhì)、獲得對(duì)“腫瘤—基因”間關(guān)系的真實(shí)反映，推進(jìn)腫瘤學(xué)的基礎(chǔ)研究和腫瘤的臨床診斷與治療，是當(dāng)前生物信息學(xué)和腫瘤學(xué)研究的重要課題。論文基于腫瘤基因表達(dá)譜數(shù)據(jù)，從研究樣本的有效分類入手，利用分類特征選取技術(shù)，就腫瘤基因表達(dá)譜數(shù)據(jù)中分類特征規(guī)

2、則的提取、腫瘤分類特征基因的鑒別和腫瘤特異表達(dá)基因的發(fā)現(xiàn)三個(gè)關(guān)鍵問題作為主要研究?jī)?nèi)容，以從不同角度揭示出可能的“腫瘤—基因”間的關(guān)系。在分析方法上，力求將計(jì)算智能的基本理論和方法同生物學(xué)知識(shí)有效結(jié)合，從而發(fā)展出一種分析和處理基因表達(dá)譜數(shù)據(jù)的有效方法。論文取得的主要研究成果如下： (1)以多發(fā)性骨髓瘤基因表達(dá)譜數(shù)據(jù)集作為具體的研究對(duì)象，提出了一種基于離散型基因表達(dá)譜數(shù)據(jù)的知識(shí)提取方法，得到了多發(fā)性骨髓瘤基因表達(dá)譜中蘊(yùn)含的5條樣本分

3、類規(guī)則，并從生物學(xué)角度對(duì)其進(jìn)行詳細(xì)分析以闡明其生物學(xué)含義。這些分類知識(shí)的發(fā)現(xiàn)對(duì)多發(fā)性骨髓瘤的基因診斷、研究多發(fā)性骨髓瘤中特異的基因表達(dá)行為具有重要意義。在分析方法上，充分考慮了基因表達(dá)譜數(shù)據(jù)集樣本少、維數(shù)高這一突出特點(diǎn)，針對(duì)已有歸納學(xué)習(xí)算法在處理小樣本、高維數(shù)的樣本學(xué)習(xí)問題時(shí)所出現(xiàn)的困難，通過首先計(jì)算屬性的信息增益進(jìn)行基因排序，然后基于神經(jīng)網(wǎng)絡(luò)進(jìn)行屬性規(guī)約，最后利用重采樣技術(shù)形成決策樹群、以綜合統(tǒng)計(jì)指標(biāo)對(duì)決策樹進(jìn)行性能評(píng)價(jià)的方法提取樣本

4、分類特征規(guī)則。上述方法可有效提高樣本分類知識(shí)提取的準(zhǔn)確性和魯棒性，為腫瘤基因表達(dá)譜數(shù)據(jù)的分析提供了一種可用工具。 (2)從生物學(xué)分析入手、結(jié)合模式識(shí)別與機(jī)器學(xué)習(xí)技術(shù)重點(diǎn)研究了腫瘤分類特征基因選取問題。在濾除分類無關(guān)基因這一環(huán)節(jié)，充分結(jié)合生物樣本數(shù)據(jù)統(tǒng)計(jì)分布的特點(diǎn)和模式識(shí)別的基礎(chǔ)理論，提出了基因分類信息指數(shù)的概念，以全面衡量基因所含樣本分類信息量。在冗余屬性去除的問題上，從基因調(diào)控的基本形式出發(fā)，首先采用兩兩冗余分析進(jìn)行強(qiáng)相關(guān)性冗

5、余屬性的去除，然后利用基于“屬性子集評(píng)價(jià)”的特征搜索算法，從“功能基因組合”的角度出發(fā)進(jìn)行分類特征基因集合的選取。在具體搜索算法的設(shè)計(jì)問題上，研究了基于概率可分性判據(jù)的浮動(dòng)前向搜索算法和基于SVM分類模型靈敏度分析的后向搜索算法兩種不同類型的屬性選取方法，為腫瘤分類特征基因選取問題的實(shí)際求解提供了兩種高效可行的算法。將上述方法應(yīng)用于急性白血病的亞型識(shí)別與分類特征基因選取問題中，結(jié)果表明：同經(jīng)典的研究成果相比，本文方法不僅將分類正確率提高

6、到100％，同時(shí)利用前向、后向搜索算法分別得到了兩組數(shù)量更少、更具樣本分類能力的特征基因，為急性白血病亞型的準(zhǔn)確診斷、功能芯片的設(shè)計(jì)提供了兩組可用的基因標(biāo)記。 (3)以Multi-Class腫瘤基因表達(dá)譜數(shù)據(jù)集作為分析基礎(chǔ)，通過將不同類別的腫瘤組織視為一個(gè)統(tǒng)一的“腫瘤”類別，將對(duì)應(yīng)的不同類型的正常組織作為一個(gè)統(tǒng)一的“正?！鳖悇e加以研究，以“腫瘤”與“正?！苯M織樣本的有效分類為基礎(chǔ)，利用分類特征選取技術(shù)就腫瘤特異表達(dá)基因的發(fā)現(xiàn)及其

7、表達(dá)模式問題進(jìn)行了分析和研究。找出了腫瘤特異表達(dá)的一組基因特征，并從信息學(xué)和統(tǒng)計(jì)學(xué)的角度對(duì)該組基因在腫瘤組織中特異表達(dá)的確實(shí)性和普遍性進(jìn)行了全面論證，最后對(duì)其在腫瘤組織中特異的表達(dá)模式進(jìn)行了分析探討，總結(jié)了腫瘤基因表達(dá)上的特點(diǎn)，為人們深入認(rèn)識(shí)腫瘤共同的基因表達(dá)特征、探究腫瘤發(fā)生與形成的分子機(jī)制提供了有益的參考和借鑒。在分類特征選取問題上，拋棄了從樣本統(tǒng)計(jì)特征出發(fā)、基于屬性可分性判據(jù)進(jìn)行特征選取的分析方法，將基于實(shí)例的機(jī)器學(xué)習(xí)算法引入到該

8、問題的研究中來，提出了RFERelief算法以有效獲取樣本的分類特征，并從理論和實(shí)驗(yàn)兩方面證明了該算法的有效性。 論文研究課題得到了國(guó)家自然科學(xué)基金(No.60234020)支持。論文就腫瘤基因表達(dá)譜分析中一些關(guān)鍵環(huán)節(jié)和重要問題進(jìn)行了深入研究，所做工作的核心是希望從信息學(xué)的角度分析和理解基因表達(dá)數(shù)據(jù)，以發(fā)現(xiàn)其中蘊(yùn)含的信息和知識(shí)，并就腫瘤學(xué)研究中的某些問題進(jìn)行分析和解答。所得科研成果對(duì)腫瘤的臨床診斷和生物醫(yī)學(xué)基礎(chǔ)研究具有一定的參考