一种有效的DNA微阵列数据特征基因提取方法.docVIP

一种有效的DNA微阵列数据特征基因提取方法 摘 要： 对于癌症分类来说，最重要的一个问题就是识别出对癌症分类最有贡献的基因。提出一种新的特征基因选择方法（ReliefF_DE），选取了4个公共微阵列基因数据集进行仿真实验，实验结果表明该方法可以在较少的特征基因下取得较高精度，且所选的特征基因与癌症密切相关，进一步验证了方法的可行性和有效性。 关键词： DNA微阵列； 支持向量机； 特征基因； 特征选取 中图分类号： TN911.7?34； TP18 文献标识码： A 文章编号： 1004?373X（2014）13?0095?04 Method of effective DNA microarray data feature extraction WEI Jun （College of Mthematics and Computer Science， Shaanxi University of Technology， Hanzhong 723000， China） Abstract： As for cancer classification， it is important to identify the genes contributing to cancer classification. A new feature gene selection method （ReliefF_DE） is presented in this paper. Four public microarray gene data sets were selected to carry on the simulation experiment. The experimental results show that the method can achieve high identification accuracy in the case of a few feature genes， and the selected feature genes are closely related to cancers. The feasibility and effectiveness of the method were verified further. Keywords： DNA microarray； support vector machine； feature gene； feature extraction 0 引 言 微阵列数据[1]广泛而成功地应用于生物医学的癌症分类研究。一个典型的微阵列数据集包含大量（通常成千上万，甚至数十万）的基因和相对较少（往往少于一百）的样本。在这成千上万的基因中，只有一小部分基因有助于癌症分类。因此，对于癌症的分类，如何找到对于样本分类来说起决定性作用的一组基因作为样本的分类特征基因，是建立一个有效分类模型的关键所在，同时也是发现肿瘤分类与分型的基因标记物及药物治疗潜在靶点的重要手段。 鉴于特征基因的选取在肿瘤分类中的重要作用，研究者们针对该问题提出了大量研究方案[2?6]。本文在分析肿瘤基因表达谱特征的基础上，提出了基于ReliefF_DE的基因特征选择方法。首先采用ReliefF算法计算每个基因与分类属性的相关性，并进行降序排列，取[N]个关联性较大的基因作为候选基因子集；再使用差分进化算法对候选基因子集进行特征基因选择。本文选取了4个公共微阵列基因数据集进行仿真实验，实验结果表明，本文算法不仅可以在特征属性的选择上剔除了大量的冗余属性，而且分类精度有较大的提高。 1 ReliefF算法 1992年Kira和Rendell首先提出Relief算法[7]，算法首先对随机选择的[m]个样本的假设间隔进行计算，然后将计算结果累加起来作为属性的权值，最后根据属性权值的大小就可以近似地估计出对于分类最有用的特征子集。 假设间隔定义为在保持样本分类不变的情况下决策面能够移动的最大距离，可表示为： [θ 12x-M（x）-x-H（x）] （1） 式中：[H（x），][M（x）]分别是与[x]同类和非同类最近邻点。 样本[x]更新属性[p]的权值可表示为： [Wi+1p Wip-diff（p，x，H（x））m+diff（p，x，M（x））m] （2） 最初，Relief算法主要针对两类问题。于是1994年Kononenko对Relief算法进行了改进[8]，提出ReliefF算法。算法的思想是将分类问题视为一类对多类关系加以解决，使算法可以解决多类问题和回归问题。其改进主要是在权值更新上，权值更新公式为： [Wi+1p Wip-j 1kdiff（p，x，Hj（x））m×k+C≠class（x）P（C）1-P（class（x））