癌癥分類中基因選擇的收縮特征選擇算法研究.pdf

1、腫瘤是當(dāng)今威脅人類生命的主要病因之一，預(yù)防和治療腫瘤是所有研究人員關(guān)注的焦點(diǎn)。隨著生物信息技術(shù)的發(fā)展，基因芯片技術(shù)因其高通量、微型化等特點(diǎn)被廣泛應(yīng)用到疾病診斷中，并且從基因表達(dá)譜中提取出致病基因已經(jīng)成為腫瘤治療的一個(gè)新手段。特征選擇是數(shù)據(jù)挖掘中一種非常有效的手段，它可以剔除不相關(guān)和冗余的特征，選擇出與關(guān)注表型最相關(guān)的特征子集。但基因表達(dá)譜數(shù)據(jù)常常具有高維、高噪和高冗余的特點(diǎn)，大大降低了特征選擇方法的性能，并且導(dǎo)致方法復(fù)雜度急劇上升。因此

2、，設(shè)計(jì)一種有效的特征選擇方法在腫瘤診斷中顯得格外的重要。
　　本文選擇已公開的基因表達(dá)數(shù)據(jù)作為實(shí)驗(yàn)對(duì)象，并將分類精度的好壞作為評(píng)價(jià)特征選擇算法的指標(biāo)之一。圍繞基因表達(dá)譜的特征選擇問題，本文展開了一系列的研究工作，主要的研究?jī)?nèi)容包括如下幾個(gè)方面：
　　(1)傳統(tǒng)的特征選擇方法在構(gòu)建模型時(shí)，常常不考慮數(shù)據(jù)間關(guān)聯(lián)性或過分考慮，導(dǎo)致得到的特征子集解釋性不合理、冗余性高和分類精度低。本文提出一種基于加權(quán)共表達(dá)模塊的最小絕對(duì)值收縮算法(

3、MLASSO)并將方法應(yīng)用于腫瘤識(shí)別。該方法的基本思想是，首先計(jì)算基因相異拓?fù)渚仃嚥⒁源藰?gòu)建加權(quán)共表達(dá)模塊；然后根據(jù)模塊的特征值與對(duì)應(yīng)表型的相關(guān)系數(shù)找出疾病相關(guān)性較大的模塊；最后在選中模塊內(nèi)進(jìn)行最小絕對(duì)值回歸收縮操作得到特征基因子集。實(shí)驗(yàn)結(jié)果表明，MLASSO算法能夠有效的提高分類準(zhǔn)確度并減少冗余性，實(shí)驗(yàn)中將MLASSO方法與相關(guān)特征選擇方法進(jìn)行分析對(duì)比，最終也驗(yàn)證MLASSO方法的可行性和有效性。
　　(2)本文提出了一種基于相

4、似組的回歸收縮特征選擇方法(SGLASSO)，該方法針對(duì)高維高冗余的基因表達(dá)數(shù)據(jù)常常導(dǎo)致特征選擇模型出現(xiàn)泛化性較低，局部最優(yōu)和穩(wěn)定性差等問題，本文采用構(gòu)建相似組的方式來提高選擇模型的性能。SGLASSO算法利用模塊顯著性指標(biāo)篩選并排序疾病相關(guān)模塊，同時(shí)計(jì)算基因連接度指標(biāo)得到各模塊代表基因，接著迭代構(gòu)建相似組和進(jìn)行回歸收縮，最終得到疾病強(qiáng)相關(guān)特征子集。實(shí)驗(yàn)結(jié)果表明 SGLASSO能彌補(bǔ)單模塊信息不足，能有效提高特征選擇方法的分類精度，其穩(wěn)