基于劃分聚類的特征基因選擇算法研究.pdf

1、對基因表達譜進行分類是生物信息學(xué)中一個重要的研究領(lǐng)域?；蛐酒梢栽谝淮螌嶒炛写笠?guī)模并行檢測成千上萬個基因的表達量,對腫瘤癌癥等疾病的分類、診斷研究有非常重要的實際意義。但是,基因芯片數(shù)據(jù)高通量、高維數(shù)、非線性、高噪聲、數(shù)據(jù)分布不均衡等特點,使得我們對這種數(shù)據(jù)進行處理時遇到了很多困難。如何從海量的基因表達譜數(shù)據(jù)中發(fā)掘出少量的具有分類識別能力且冗余度最小的特征基因,對于疾病診斷以及研究腫瘤癌癥治病機理起著關(guān)鍵作用。
　　 本文研究

2、的特征基因選擇方法都是利用白血病數(shù)據(jù)集進行驗證,主要的研究工作如下:
　　 1.提出了一種基于測地距離的特征基因選擇方法。由于基因表達譜非線性的特點,普通的歐幾里得距離無法很好地表示基因之間的相似性度量。而測地距離這種流形距離的度量方式,可以很好的展示基因之間復(fù)雜的內(nèi)在關(guān)系。在測地距離矩陣的基礎(chǔ)上,本文改進了K-中心點聚類方法,并且選擇出特征基因子集,然后利用支持向量機對特征基因子集進行分類精度進行預(yù)測。實驗的結(jié)果證明,基于測地

3、距離預(yù)測精度比傳統(tǒng)的歐幾里得距離得出的預(yù)測精度要好。
　　 2.提出了一種基于局部線性嵌入特征基因選擇方法。由于基因表達潛高維、高噪聲、非線性的特點,傳統(tǒng)的聚類算法并不能準確地對基因表達譜進行聚類分析。于是,通過局部線性嵌入的非線性降維方法,基因的向量空間被映射到低維空間,以致對基因向量空間進行了降維,而且使得基因之間的相似性關(guān)系更能顯示其內(nèi)在聯(lián)系。最后,本文對白血病基因表達譜進行了實驗,并且和其他文獻進行了比較,結(jié)果得出本方法