基于基因表達譜的前列腺癌識別模型研究.pdf

1、基于腫瘤基因表達數據，運用信息科學的方法和技術建立腫瘤的預測分類模型，對腫瘤的識別具有重要意義，也是當前生物信息學研究的重要課題。本文針對腫瘤識別問題，以前列腺癌為研究對象，從系統(tǒng)科學和信息科學的角度，采用機器學習和計算機技術，就前列腺癌的特征基因選取問題和預測分類問題，基于基因表達數據進行了研究，取得如下研究成果：第一，針對前列腺癌特征基因選取的研究 本文在信噪比指標的基礎上提出了用于前列腺癌特征基因選取的CLUSTERS2N

2、方法。該方法首先對基因進行聚類，然后選出每一類的“代表基因”作為特征基因。與信噪比指標相比，CLUSTERS2N方法在選取特征基因過程中既考慮了基因與樣本類別之間的關系又考慮了基因與基因之間的關系，從而修正了信噪比指標的缺點。用兩種指標選取基因在不同分類模型上進行分類預測實驗，結果表明，用本文提出的方法選取的基因包含更多的分類信息。 第二，針對前列腺癌預測模型的研究 本文建立了兩種腫瘤預測模型，分別是三層BP網絡模型和支

3、持向量機(SVM)模型。其中首次將支持向量機(SVM)應用到前列腺癌預測問題上。并將這兩種模型與Singh.D等人的k-近鄰法模型相比較，通過比較不同特征基因集合在三種模型上的分類準確率，確定了一個71個基因的特征集合，基于這個集合利用支持向量機可取得100％的預測準確率。對這三種模型分類性能的對比研究的結果表明，支持向量機(SVM)優(yōu)于其它兩種方法，是解決前列腺癌預測問題的有效工具。 本文的研究有助于腫瘤與基因關系的理解，有助