癌癥基因微陣列分類方法的研究.pdf

1、癌癥是復雜的遺傳性疾病，具有巨大的危害性及多發(fā)性，成為影響人類健康的重大疾病，其發(fā)病機制從根本上來說都和基因息息相關?；蛭㈥嚵蟹诸惣夹g能夠幫助人類發(fā)現正常細胞組織與疾病組織之間的基因的本質差異、很好地理解腫瘤發(fā)病機制，識別致癌基因，對癌癥的臨床診斷及治療具有非常深遠的意義。然而，由于基因微陣列數據具有高維、高噪音、樣本少等特點，傳統(tǒng)的統(tǒng)計方法很難對其進行有效的分類，為了解決上述問題，本文在深入分析微陣列分類技術的基礎上，開展了相關的研

2、究。主要的內容如下：
　　決策樹(DT)和大覆蓋規(guī)則(LCR)微陣列分類方法在一定程度上體現了基因的相關性，但缺乏穩(wěn)定性且算法收斂慢，容易產生大量冗余分類規(guī)則。本文基于遺傳編程(GP)提出一種最優(yōu)規(guī)則遺傳算法(BRGA)對分類規(guī)則進行優(yōu)化的方法，獲取最佳分類規(guī)則集，此算法可以調整分類器模型的相關參數，在適當增加迭代基礎上大幅提高分類的精確度，具有相當的靈活性和可理解性。
　　傳統(tǒng)的顯露模式EP微陣列數據分類方法，在EP獲取過

3、程中的基因屬性選擇部分常常采用離散信息熵方法或其它復雜的算法來去除無意義的噪聲基因，得到最具辨識力的屬性基因，進而產生EP分類模型來預測未知樣本。但這些方式計算較為復雜且開銷較大，不易于理解。本文提出的基于等寬分割基因屬性的跳躍顯露模式(F_JEP)算法，將基因微陣列數據定義為函數形式，便于表達。在屬性選擇環(huán)節(jié)，基于等寬方式的離散方法，采用一種極為簡易的等寬斷點搜索方式分割微陣列基因屬性值，獲取有重大分類意義的基因，進而形成基于等寬分割

4、基因屬性的跳躍顯露模式F_JEP。
　　通過仿真實驗，利用六個基因數據集檢驗了BRGA算法和F_JEP算法的分類預測性能，并將F_JEP算法與著名的三種基因微陣列分類算法NB、IB及C4.5在分類預測性能上進行比較，結果表明F_JEP算法在癌癥基因微陣列分類性能方面明顯優(yōu)于NB、IB及C4.5算法，同時，BRGA算法和F_JEP算法與相關文獻的癌癥基因微陣列分類方法相比，在具有較高分類精確度和穩(wěn)定性前提下大幅降低了計算復雜度及冗余