基因表達(dá)數(shù)據(jù)的判別分析與變量選擇方法研究.pdf

1、隨著人類基因組草圖繪就的完成，人類基因組研究計(jì)劃（Human Genome Project，HGP）進(jìn)入了后基因組時(shí)代。后基因組時(shí)代研究的重點(diǎn)由基因序列研究上升為基因功能的研究。20世紀(jì)90年代開發(fā)的微陣列技術(shù)使研究人員可以同時(shí)測定成千上萬個(gè)基因的表達(dá)水平。這為研究基因之間表達(dá)控制的復(fù)雜關(guān)系，生物標(biāo)志物的檢測（Biomarker Identification）以及癌癥分類（Cancer Classification）提供了重要依據(jù)。然而

2、基因表達(dá)數(shù)據(jù)高維數(shù)、高噪聲的特點(diǎn)對(duì)分析方法提出了更高的要求。如何在海量基因表達(dá)數(shù)據(jù)中，發(fā)現(xiàn)腫瘤組織的基因表達(dá)模式，成功地將臨床表征不明或容易誤診的惡性腫瘤準(zhǔn)確、快速地區(qū)分開，是一項(xiàng)具有挑戰(zhàn)性的研究課題。這將為癌癥的早期診斷與及時(shí)治療做出重要的貢獻(xiàn)。 近年來，多種判別分析和變量選擇的方法用于基因表達(dá)數(shù)據(jù)的分析。生物標(biāo)志物的檢測就是從成千上萬的基因當(dāng)中檢測出那些與腫瘤的起因、發(fā)展緊密相關(guān)的關(guān)鍵基因。一個(gè)有效的生物標(biāo)志物檢測應(yīng)該使癌癥

3、的診斷更準(zhǔn)確而且更容易解釋。本文圍繞在判別分析中利用稀疏懲罰實(shí)現(xiàn)變量選擇的方法，及其在基于基因表達(dá)數(shù)據(jù)進(jìn)行生物標(biāo)志物檢測和癌癥診斷的應(yīng)用，做了三個(gè)方面的研究工作，概括如下： （一）將懲罰高斯混合模型應(yīng)用于有監(jiān)督學(xué)習(xí)，并應(yīng)用到癌癥分類和生物標(biāo)志物的檢測中。該方法將高斯混合模型與懲罰似然估計(jì)相結(jié)合，通過對(duì)對(duì)數(shù)似然函數(shù)增加一個(gè)關(guān)于類均值的L1懲罰項(xiàng)，使得類均值產(chǎn)生一個(gè)稀疏解。將該方法用于一個(gè)稀疏模擬數(shù)據(jù)和幾個(gè)基因表達(dá)數(shù)據(jù)集中，實(shí)驗(yàn)結(jié)果

4、顯示該方法在具有稀疏結(jié)構(gòu)的數(shù)據(jù)中，均可以取得比較準(zhǔn)確且穩(wěn)定的分類結(jié)果。該方法具有不受類數(shù)限制和對(duì)變量預(yù)選擇個(gè)數(shù)不敏感等優(yōu)點(diǎn)。 （二）將懲罰高斯混合模型的特殊情況稀疏判別分析應(yīng)用于乳腺癌的生物標(biāo)志物檢測和癌癥分類中。該方法不僅可以正確的將癌癥分類，而且在分類過程中自動(dòng)提取出生物標(biāo)志物。深入分析這一過程的實(shí)現(xiàn)，本文給出了一個(gè)數(shù)學(xué)的合理性解釋。挑選出的生物標(biāo)志物亦得到了生物醫(yī)學(xué)研究的驗(yàn)證，并用三個(gè)生物標(biāo)志物對(duì)乳腺癌樣本進(jìn)行可視化檢視。