面向腫瘤檢測的生物表達數(shù)據(jù)特征選擇研究.pdf

1、腫瘤是影響人類健康的主要疾病之一?；蛭㈥嚵泻偷鞍踪|(zhì)質(zhì)譜等技術的出現(xiàn)為人類疾病的診斷和防治開辟了新的途徑?；诨蛭㈥嚵泻偷鞍踪|(zhì)質(zhì)譜等數(shù)據(jù)的腫瘤研究已成為生物信息學研究的熱點，但由于其數(shù)據(jù)具有高維小樣本等特點，常規(guī)模式識別方法已不再適用。目前已有一些研究取得了較好的模式分類率，但缺乏對臨床生物學意義的關注?？梢钥隙ǖ氖抢迷蕉嗟呐R床信息或生物先驗知識能夠更好的提高分類率，加強結(jié)果的生物相關性。在本研究中，基于卵巢癌磷脂代謝物數(shù)據(jù)和四個公

2、共基因微陣列數(shù)據(jù)，不僅利用集成的模式識別方法，同時還根據(jù)樣本臨床診斷結(jié)果，辨識并選擇與診斷相關的特征標志物。
　　 目前基于生物表達數(shù)據(jù)的特征識別方法主要有過濾法和纏繞法兩大類方法。過濾法完全獨立于分類器，分類精度不能得到保障，且過濾原則與類別信息無關；纏繞法與分類器相結(jié)合，能獲得較高的分類精度，但不能保證結(jié)果與疾病有較強的相關性；另外，表達數(shù)據(jù)的高維、高噪聲的特點更加增加了過擬合的風險。針對以上問題，本研究采取將過濾法和纏繞法

3、相結(jié)合的策略，克服了單一使用纏繞法或過濾法的缺點，并避免過擬合現(xiàn)象的產(chǎn)生，保證較高分類率的同時不依賴于具體分類器，另一方面引入臨床診斷結(jié)果使選擇的生物標志物具有較強的腫瘤類別相關性。
　　 具體方法上：1)使用臨床診斷結(jié)果相關的有監(jiān)督奇異值分解，引入樣本散點圖和科爾莫諾夫-斯米爾諾夫檢驗，以辨識出含有樣本類別信息的特征向量，克服傳統(tǒng)奇異值分解按方差“貢獻率”來提取特征向量的缺點，避免“丟棄”貢獻率低但包含重要生物信息的特征向量。

4、2)提出了基于相對重要性的隨機森林決策理論，按照特征的相對重要性指標來選擇關鍵特征，使用Gini指數(shù)和信息熵結(jié)合樣本分類率來計算特征的相對重要性。在具體實驗上，本研究選用卵巢癌磷脂代謝物數(shù)據(jù)和四個公共基因微陣列數(shù)據(jù)進行分析和數(shù)值實驗，在自身陳述結(jié)果的基礎上，與其他經(jīng)典方法從分類性能和特征生物學關聯(lián)意義等方面進行對比。
　　 實驗結(jié)果表明：1)與經(jīng)典方法和其他相關已發(fā)表算法相比，本方法在多個數(shù)據(jù)集上所選取的特征子集不僅具有較強的分