癌癥日益威脅著人類的生存和健康,可能以不同的形式發(fā)生于人體的不同部位,形成不同類型的癌癥。即便同種類型的癌癥也會由于不同的基因突變表現(xiàn)為不同的亞型,給常規(guī)的癌癥診斷和治療帶來困難。為了能夠給癌癥患者制定合理有效的個體化治療方案,準確地進行癌癥多亞型分類,并確定相關關鍵致病基因至關重要。本文即針對現(xiàn)有的與癌癥多亞型分類相關的生物信息學方法展開研究和分析,首先針對癌癥多亞型分類和關鍵致病基因選擇設計了零隱藏層神經(jīng)網(wǎng)絡—彈性網(wǎng)正則化的Softmax回歸(Elastic Net Regularized Softmax Regression,ENRSR)模型,該模型基于各個基因的表達譜進行分類,并通過彈性網(wǎng)正則化實現(xiàn)稀疏約束,在進行癌癥多亞型分類的同時完成了關鍵致病基因的選擇。本文分別在仿真數(shù)據(jù)和三組基因表達譜數(shù)據(jù)(乳腺癌、小圓藍細胞瘤和白血病)上對ENRSR模型進行仿真研究,通過k-折交叉驗證和分類結果的BCubed F值得分評估模型分類性能,并和傳統(tǒng)的分類方法,如K-means、層次聚類、非負矩陣分解、期望最大化、支持向量機和隨機森林等方法進行比較。仿真結果表明,ENRSR模型在癌癥多亞型分...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 課題背景及意義
    1.2 課題研究現(xiàn)狀
    1.3 課題研究內容
    1.4 本文的結構
2 癌癥亞型分類的生物信息學方法
    2.1 數(shù)據(jù)預處理
    2.2 特征選擇方法
    2.3 癌癥分型方法
    2.4 分類性能評估方法
    2.5 本章小結
3 基于彈性網(wǎng)正則化Softmax回歸的癌癥多亞型分類及關鍵致病基因選擇
    3.1 Softmax回歸
    3.2 彈性網(wǎng)正則化
    3.3 基于彈性網(wǎng)正則化Softmax回歸的癌癥多亞型分類方法
    3.4 ENRSR算法的實現(xiàn)
    3.5 實驗結果及分析
    3.6 本章小結
4 基于多層神經(jīng)網(wǎng)絡的癌癥多亞型分類及關鍵致病基因選擇
    4.1 多層神經(jīng)網(wǎng)絡
    4.2 多層神經(jīng)網(wǎng)絡的稀疏性
    4.3 基于多層神經(jīng)網(wǎng)絡的癌癥多亞型分類方法
    4.4 MLNN算法的實現(xiàn)
    4.5 實驗結果及分析
    4.6 本章小結
5 總結與展望
    5.1 總結
    5.2 展望
參考文獻
作者簡歷
學位論文數(shù)據(jù)集



本文編號：3984080