基因表達譜數(shù)據的特征選擇方法應用策略研究.pdf

1、目的:隨著分子生物學技術和基因微陣列的不斷發(fā)展，通過定量測量可以很容易獲取大量的基因表達譜數(shù)據，而且得到的數(shù)據質量也越來越高?；虮磉_譜數(shù)據具有維數(shù)高，樣本小，且存在大量噪聲的特點。有研究學者針對基因表達譜數(shù)據的特點，利用統(tǒng)計學習和模式識別的方法來對數(shù)據進行有效的挖掘。目前最為常用的方法是對表達譜數(shù)據進行降維，選擇出具有代表性的信息基因，在保證具有較高分類精度的前提下同時提高學習算法的性能和效率。特征選擇通過剔除不相關和冗余的特征，而達

2、到降低特征個數(shù)，提高模型精確性，減少運行時間的目的。目前雖已有了大量的特征選擇算法，但如何針對基因表達譜數(shù)據結構自身特點來選擇最優(yōu)的算法還存在著一定困難。因此本研究結合生物學和模式識別的相關知識，通過對一些常用的特征選擇算法進行比較，最終提出一種可供參考的選擇標準。
　　方法:本研究中通過模擬不同特征數(shù)、樣本量、分類情況以及噪聲大小的數(shù)據集，選用了8個特征選擇算法，并在3種分類器中進行測試，以分類精確度和計算復雜度作為衡量指標來對

3、每一種方法的優(yōu)劣性進行評價。最后將其應用到真實數(shù)據集中，并對每種方法的結果進行分析和比較，選擇出最佳的特征選擇方法。
　　結果:對于不同特點的表達譜數(shù)據集分別使用三種類別的特征選擇方法來分析都能有效的降低特征維度，通過比較分析后我們發(fā)現(xiàn):SVM-RFE算法在特征數(shù)較少和樣本量較小的時候有很好的分類結果;Wrapper SVM算法在較少樣本量和較多PCR特征基因情況下的分類效果較好;Wrapper k-NN算法對具有較少特征數(shù)和較多

4、的FCR特征基因數(shù)據集有較好的實用性;ReliefF算法能很快的從高維數(shù)據集中獲得特征子集，該算法在特征數(shù)較多和樣本量較大的情況下效果好;mRMR算法同樣適合特征數(shù)較多的情況，并在信噪比較高的情況也有也有很好的效果。
　　結論:對腫瘤的類別進行劃分并從中挖掘有生物學含義的知識時，信息基因的篩選是非常重要的步驟。對分類無關基因的排除可以進一步降低數(shù)據量或減少數(shù)據的維數(shù)，從而提高分類器的性能。本文從已有的大量特征選擇算法中，選取了一些