基于基因表達數(shù)據(jù)的腫瘤預測模型研究.pdf

1、基因表達數(shù)據(jù)的分析和研究是生物信息學中重要的研究課題.運用信息科學的方法和技術,基于腫瘤基因表達數(shù)據(jù),建立腫瘤的分類預測模型,對腫瘤的發(fā)現(xiàn)和識別具有重要意義.該文以多發(fā)性骨髓瘤、小圓藍細胞瘤和結腸癌為研究對象,以基因表達數(shù)據(jù)為基礎,運用人工神經網(wǎng)絡建立腫瘤的分類預測模型,取得的主要研究成果如下:第一,該文針對多發(fā)性骨髓瘤,應用BP網(wǎng)絡建立了多發(fā)性骨髓瘤BP預測模型.該模型使用相關分析法提取了44個特征基因,并以此為基礎設計了基于三層BP

2、網(wǎng)絡的預測器.研究結果顯示,多發(fā)性骨髓瘤BP預測模型正確預測了所有測試樣本,預測正確率為100％.該文首次將自組織特征映射網(wǎng)絡應用于多發(fā)性骨髓瘤的研究,提出了一種具有自組織特征的多發(fā)性骨髓瘤自組織預測模型.該模型以自組織特征映射網(wǎng)絡為核心,設計了自組織單元,使模型表現(xiàn)出優(yōu)秀的自組織特征.實驗結果表明,多發(fā)性骨髓瘤自組織預測模型的預測正確率達到了100%.第二,關于小圓藍細胞瘤,該文針對小圓藍細胞瘤存在的四個亞型,引入了將多類分類問題分解

3、為多個兩類分類問題的思想,建立了基于多BP網(wǎng)絡的小圓藍細胞瘤多模預測模型.該模型由四個BP網(wǎng)絡構成,每個BP網(wǎng)絡分別負責一個亞型的分類.研究結果表明,該模型能正確預測所有測試樣本,預測的準確率達到了100%.第三,針對結腸癌的研究,該文首次應用學習矢量量化算法,建立結腸癌學習矢量量化預測模型.該預測模型提取50個特征基因,設計了基于學習矢量量化算法的預測器.結腸癌學習矢量量化預測模型正確劃分了62個樣本中的57個樣本,分類正確率為91.