【摘要】：隨著人類基因組計(jì)劃的高速發(fā)展,DNA芯片技術(shù)被廣泛地應(yīng)用到生命科學(xué)的各個(gè)領(lǐng)域,利用得到的基因表達(dá)譜數(shù)據(jù)可以從微觀世界描述出各個(gè)基因的表達(dá)狀態(tài),所以被成功用于癌癥的診斷與治療等研究領(lǐng)域,為人類的發(fā)展開(kāi)啟了新的大門(mén),成為學(xué)術(shù)界一個(gè)熱門(mén)的研究方向。然而,基因表達(dá)譜數(shù)據(jù)“高維小樣本”等特點(diǎn)會(huì)降低癌癥基因的識(shí)別準(zhǔn)確率,所以必須采用適當(dāng)?shù)臄?shù)據(jù)處理辦法進(jìn)行有效的降維,準(zhǔn)確高效的挑選出與致病基因相關(guān)的特征基因子集就成為一項(xiàng)具有深遠(yuǎn)意義的研究工作。本文通過(guò)結(jié)合生物學(xué)知識(shí)和機(jī)器學(xué)習(xí)中的相關(guān)理論,對(duì)癌癥基因進(jìn)行特征選擇,并對(duì)相應(yīng)的實(shí)驗(yàn)結(jié)果進(jìn)行有效性分析,完成的主要工作如下:1.提出了一種基于圖正則低秩評(píng)分的基因表達(dá)譜特征選擇算法。為了準(zhǔn)確表達(dá)數(shù)據(jù)本質(zhì)屬性,考慮到低秩表示算法是從全局觀點(diǎn)出發(fā)揭示數(shù)據(jù)樣本的整體結(jié)構(gòu)信息,但沒(méi)有考慮數(shù)據(jù)的局部流形結(jié)構(gòu),在此基礎(chǔ)上引入具有局部保持能力的流形正則約束項(xiàng),構(gòu)建一種圖正則低秩表示模型。通過(guò)求解此模型得到系數(shù)矩陣,進(jìn)一步構(gòu)造出圖權(quán)值矩陣,然后代替拉氏評(píng)分中的相似度矩陣,從而形成一種新的評(píng)分方式用于DNA表達(dá)數(shù)據(jù)的特征選擇,稱之為圖正則低秩評(píng)分算法。最后在基因表達(dá)譜數(shù)據(jù)集上進(jìn)行聚類實(shí)驗(yàn),同傳統(tǒng)的評(píng)分算法相比較,該算法取得更好的聚類效果。2.提出了一種基于圖正則平滑低秩表示的基因表達(dá)譜特征選擇算法。在低秩表示中,通過(guò)數(shù)據(jù)矩陣本身作為字典進(jìn)行聯(lián)合線性表示每個(gè)數(shù)據(jù)點(diǎn),并且利用最小化核范數(shù)作為秩函數(shù)的凸包絡(luò)來(lái)獲得理想的低秩表示。但是在實(shí)際應(yīng)用中,它的表現(xiàn)可能會(huì)偏離原始問(wèn)題的最優(yōu)解,因?yàn)楹朔稊?shù)不是秩函數(shù)的凸松弛最優(yōu)的選擇。針對(duì)此問(wèn)題,在構(gòu)造目標(biāo)函數(shù)時(shí),利用對(duì)數(shù)行列式函數(shù)取代核范數(shù)更加準(zhǔn)確的逼近秩函數(shù),同時(shí)加上揭示數(shù)據(jù)局部近鄰結(jié)構(gòu)的圖正則項(xiàng),構(gòu)建一種圖正則平滑低秩表示模型,并且對(duì)得到的系數(shù)矩陣后處理之后再構(gòu)造數(shù)據(jù)圖結(jié)構(gòu)。最后在基因表達(dá)譜數(shù)據(jù)集上進(jìn)行聚類實(shí)驗(yàn),與傳統(tǒng)的特征選擇算法相比較,該算法有更高的聚類準(zhǔn)確率。
【圖文】：

分析和處理也成為微陣列技術(shù)中關(guān)鍵的一環(huán)[29]。譜數(shù)據(jù)的獲取表達(dá)譜的數(shù)據(jù)時(shí)，大體可以分為第一步芯片制備，將 cDNA成的方式并列的固定到特殊的玻璃面板上，形成一個(gè)矩陣者同位素去標(biāo)記試驗(yàn)樣品，，一般都是將訓(xùn)練的樣本和測(cè)試色的熒光進(jìn)行標(biāo)識(shí)，然后再將這兩種樣本按照同樣的比，將標(biāo)記好的樣品與制備好的芯片按照規(guī)定的試驗(yàn)條件進(jìn)行混合樣本與探針 cDNA 進(jìn)行雜交與清洗；第四步檢測(cè)分樣品進(jìn)行取點(diǎn)檢測(cè)，在掃描儀中選擇不同的波長(zhǎng)對(duì)處理過(guò)后光在不同的波長(zhǎng)下它的光值強(qiáng)弱不同，因此可以對(duì)得到的光信號(hào)的強(qiáng)弱比例進(jìn)行評(píng)測(cè)，分析此點(diǎn)上信號(hào)表達(dá)強(qiáng)度從而30]。

歸一化互信息與選擇的基因特征數(shù)的關(guān)系
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：Q811.4;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 昂清;王衛(wèi)東;王國(guó)靜;彭福來(lái);;基于信息學(xué)理論的基因數(shù)據(jù)挖掘研究[J];中國(guó)醫(yī)療器械雜志;2012年04期

2 王年;莊振華;唐俊;蘇亮亮;;基于Fiedler向量的基因表達(dá)譜數(shù)據(jù)分類方法[J];中國(guó)生物工程雜志;2010年12期

相關(guān)碩士學(xué)位論文 前10條

1 謝乃俊;低秩矩陣恢復(fù)在維數(shù)約簡(jiǎn)中的研究與應(yīng)用[D];江西理工大學(xué);2015年

2 田貝貝;基于流形學(xué)習(xí)和多任務(wù)學(xué)習(xí)的腫瘤基因表達(dá)數(shù)據(jù)分類方法研究[D];武漢科技大學(xué);2015年

3 姚唐龍;基因表達(dá)譜數(shù)據(jù)挖掘的特征提取方法研究[D];安徽大學(xué);2015年

4 劉金勇;基因表達(dá)譜數(shù)據(jù)特征選擇與提取方法研究[D];中國(guó)計(jì)量學(xué)院;2014年

5 許露;基于SVM-RFE和粒子群算法的特征選擇算法研究[D];湖南師范大學(xué);2014年

6 賀予迪;基于流形學(xué)習(xí)和低秩表示的維數(shù)約減算法研究[D];西安電子科技大學(xué);2014年

7 劉玉堂;基于互信息網(wǎng)絡(luò)的疾病關(guān)鍵基因選取[D];中國(guó)海洋大學(xué);2013年

8 葛芳;腫瘤基因表達(dá)譜數(shù)據(jù)聚類的譜方法研究[D];安徽大學(xué);2013年

9 黃丹鳳;基因微陣列數(shù)據(jù)特征選擇與分類方法研究[D];江蘇科技大學(xué);2012年

10 王思漫;基于基因表達(dá)譜的腫瘤分類方法研究[D];南京理工大學(xué);2012年

本文編號(hào)：2592580