利用“融合-提炼方”提取肿瘤信息基因.docVIP

利用“融合-提炼方法”提取肿瘤信息基因 云南大学 杨晓洁、赵留明、田丰 摘要：本文基于2010年9月全国研究生数学建模竞赛A题附带的关于“22个正常人和40个结肠癌患者在2000个基因片段上的基因表达数据”，紧扣“肿瘤信息基因提取”这一主题，提出了一种“融合-提炼方法”，从数目庞大的基因中提炼出3个最显著的“信息基因”用于肿瘤的识别，并从统计假设检验和对真实样本数据的样本类别判定的角度，证明了该方法的有效性和科学性。具体说来，该方法从三个角度切入问题，逐层筛选，目标直指“搜索在正常人和结肠癌患者中表达水平差异较大的信息基因”。首先，从基因与样本类别的相关性角度出发，采用单因子多变量方差分析法进行基因的重要性分析，剔除了那些对样本类别的决定没有贡献的基因。其次，从相似性角度出发，首次引入模糊数学中的算术平均贴近度，来衡量某个基因在正常人和结肠癌患者中表达水平的接近程度，在上一步的基础上剔除了接近程度很高的基因。值得注意的是，在这一部分的方法细节上，一方面创造性地构造出适合于本文研究问题的隶属度函数，并论证了该函数的合理性；另一方面通过“训练集轮换”的模拟研究方法证明了用算术平均贴近度提取重要基因的稳定性，即从经验上证明了该方法对于样本的替换并不敏感。再次，从因果关系的角度出发，又在上一步的基础上采用Logistic 回归分类模型提炼出与肿瘤识别有关的最显著的“信息基因”。鉴于该