提取结肠癌基因图谱信息方法的研究.doc

全国第七届研究生数学建模竞赛 题 目 提取结肠癌基因图谱信息方法的研究 摘 要： 本研究在分析基因表达谱数据特征的基础上，研究有效提取基因图谱信息的方法。依据给定的数据，在确定结肠癌的特征基因的基础上，建立判断肿瘤基因标签的数学模型。 首先，依据给定的数据，采用“信噪比”和基因的Bhattacharyya距离等方法剔除无关基因，得到134个信息基因。 然后，运用BP神经网络和二分类Logistic回归两种方法筛选特征基因。通过扩大筛选范围，比较筛选结果，发现：BP神经网络法得到的筛选结果稳定性较差，但二分类Logistic回归法得到的筛选结果保持一致。最终依据二分类Logistic回归模型得到3个特征基因——G493、G1346、G1582。 最后建立融入所得3个特征基因信息的二分类Logistic回归模型： 该模型各参数均能通过假设检验。将G493、G1346、G1582三个基因数据代入该模型，当时，可以判断为正常，准确率是95.5%；当时，可以判断为不正常，准确率是95.0%。依据给定的62个样本，该模型正确识别率达到95.2%。该模型基本解决了依据基因特征数据判定是否患癌症的难题。 另外，本文中也讨论了利用噪声模型分析噪声对确定基因标签的作用，认为噪声对确定基因标签有一定的有利作用。 关键词：基因；特征基因；信噪比；神经网络模型；二分类