微陣列數(shù)據(jù)分析中的基因選擇及樣本分類方法研究.pdf

1、微陣列技術(shù)給生物學(xué)研究領(lǐng)域提供了極為豐富、詳盡的基因表達(dá)信息。對(duì)微陣列數(shù)據(jù)的分析研究可以幫助人們理解生命現(xiàn)象的機(jī)理，并促進(jìn)醫(yī)學(xué)向更精確的診療方向發(fā)展。鑒于基因微陣列數(shù)據(jù)的高維小樣本、高噪聲等特點(diǎn)，迫切需要借助于先進(jìn)的計(jì)算方法來分析和利用這些原始信息。
　　 微陣列數(shù)據(jù)分析是生物信息學(xué)的重要研究課題，檢測(cè)差異表達(dá)基因、最大化樣本分類準(zhǔn)確率是其中兩大關(guān)鍵技術(shù)。本文從基因選擇、基因約簡(jiǎn)、樣本分類三方面展開研究，并取得如下研究成果：

2、r>　　 首先研究了差異表達(dá)基因選擇問題，提出了基因差異表達(dá)顯著性閾值的計(jì)算方法。該方法通過構(gòu)造一個(gè)優(yōu)化的統(tǒng)計(jì)量，根據(jù)給定的錯(cuò)誤率指標(biāo)估算出統(tǒng)計(jì)量的閾值，使得統(tǒng)計(jì)量大于該閾值的基因可被認(rèn)為是差異表達(dá)基因。仿真及真實(shí)微陣列數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。
　　 在本論文中，差異表達(dá)基因被用作樣本分類的特征基因。在確定基因是否差異表達(dá)的基礎(chǔ)上，為了減少特征基因冗余對(duì)樣本分類的影響，研究了多種基因約簡(jiǎn)方法。約簡(jiǎn)是基于粗糙集理論

3、的知識(shí)發(fā)現(xiàn)過程。經(jīng)典的粗糙集理論建立在等價(jià)關(guān)系基礎(chǔ)上之上，其結(jié)果對(duì)數(shù)據(jù)噪聲較為敏感。本論文提出了Spearman秩相關(guān)分析、近似分布約簡(jiǎn)、區(qū)間值分析等基因約簡(jiǎn)方法。實(shí)驗(yàn)結(jié)果表明，通過這些方法優(yōu)化的特征基因集有效地提高了樣本分類的準(zhǔn)確率。
　　 微陣列數(shù)據(jù)的小樣本特性給現(xiàn)有的分類算法帶來了新的挑戰(zhàn)。本文提出了一個(gè)基于主曲線的微陣列數(shù)據(jù)分類方法。該方法首先在訓(xùn)練數(shù)據(jù)集上計(jì)算出每類樣本的主曲線，然后根據(jù)測(cè)試樣本與各類樣本的主曲線間距離