基于遗传算法的随机森林模型在特征基因筛选中的应用-中国卫生统计.pdfVIP

中国卫生统计２０１６年８月第３３卷第４期 ·５５９· 基于遗传算法的随机森林模型在特征基因筛选中的应用 １ ２ ３△ 赵发林 　张　涛　李　康 　　【提　要】　目的　探索基于遗传算法的随机森林模型在特征基因筛选中的效果和特点。方法　通过本文构建的基 于遗传算法的随机森林模型（ＧＡＲＦ）对真实基因数据和模拟数据进行特征基因筛选，以筛选后基因进行判别分析，计算 ＲＯＣ曲线下面积ＡＵＣ值，同时观察ＧＡＲＦ方法对模拟实验中预设的差异基因排序结果。结果　对真实基因数据和模拟 数据的分析结果均显示，采用ＧＡＲＦ方法筛选得到的特征基因建立判别模型能获得更好的分类效果，在模拟实验中与随 机森林相比能将预设的差异基因排在更靠前的位置。结论　ＧＡＲＦ方法能够有效地用于基因芯片数据特征基因筛选，在 ＦＤＲ控制上具备潜力，具有研究价值。 【关键词】　随机森林　遗传算法　特征基因筛选 ＡｎＯｐｔｉｍｉｚｅｄＲａｎｄｏｍＦｏｒｅｓｔＢａｓｅｄｏｎＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍａｎｄｉｔｓＡｐｐｌｉｃａｔｉｏｎ ｔｏＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎｆｏｒＧｅｎｅＤａｔａ ＺｈａｏＦａｌｉｎ，ＺｈａｎｇＴａｏ，ＬｉＫａｎｇ（ＨａｒｂｉｎＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ（１５００８１），Ｈａｒｂｉｎ） 【Ａｂｓｔｒａｃｔ】　Ｏｂｊｅｃｔｉｖｅ　Ｔｏｅｘｐｌｏｒｅｔｈｅｅｆｆｅｃｔｓａｎｄｐｒｏｐｅｒｔｉｅｓｏｆａｎｏｐｔｉｍｉｚｅｄｒａｎｄｏｍｆｏｒｅｓｔｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ （ＧＡＲＦ）ｏｎｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ．Ｍｅｔｈｏｄｓ　ＷｅｕｓｅｄＧＡＲＦｔｏｓｅｌｅｃｔｓｉｇｎｉｆｉｃａｎｔｇｅｎｅｓｂｏｔｈｏｎｓｉｍｕｌａｔｅｄｄａｔａａｎｄｒｅａｌｇｅｎｅｄａｔａ ｔｈｅｎｂｕｉｌｔｄｉｓｃｒｉｍｉｎａｔｉｖｅｍｏｄｅｌｓｗｉｔｈｓｉｇｎｉｆｉｃａｎｔｇｅｎｅｓ．ＴｈｅａｒｅａｕｎｄｅｒｔｈｅＲＯＣｃｕｒｖｅｗａｓｃａｌｃｕｌａｔｅｄｔｏｅｖａｌｕａｔｅｔｈｅｄｉｓｃｒｉｍｉｎａ ｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ．Ｔｈｅｒａｎｋｓｏｆｓｉｇｎｉｆｉｃａｎｔｇｅｎｅｓａｓｓｉｇｎｅｄｉｎｓｉｍｕｌａｔｅｄｄａｔａｗｅｒｅｃｏｎｓｉｄｅｒｅｄ，ｔｏｏ．Ｒｅｓｕｌｔｓ　Ｔｈｅｄｉｓｃｒｉｍｉｎａｔｉｏｎ ｐｅｒｆｏｒｍａｎｃｅｂａｓｅｄｏｎｔｈｅｓｉｇｎｉｆｉｃａｎｔｇｅｎｅｓｓｅｌｅｃｔｅｄｂｙＧＡＲＦｉｓｂｅｔｔｅｒｔｈａｎｏｎｏｒｉｇｉｎａｌｄａｔａａｎｄｓｅｌｅｃｔｅｄｂｙｒａｎｄｏｍｆｏｒｅｓｔ．Ｃｏｎ ｃｌｕｓｉｏｎ　ＴｈｅｐｒｏｐｏｓｅｄＧＡＲＦｍｅｔｈｏｄｉｓｓｕｉｔａｂｌｅｔｏａｎａｌｙｚｅｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｄａｔａｆｏｒｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｎｄｓｈｏｗｓｐｒｏｐｅｒｐｏｔｅｎｃｙ ｆｏｒｃｏｎｔｒｏｌｌｉｎｇＦＤＲ． 【Ｋｅｙｗｏｒｄｓ】　Ｒａｎｄｏｍｆｏｒｅｓｔ；Ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ；Ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ 　　特征基因筛选是基因组学研究的主要目的之一， “噪声”对筛选结果的影响，同时降低ＦＤＲ水平。 不仅要求能够通过筛选到的特征变量对样本进行有效 　　本研究期望给出一种基于 ＧＡ的ＲＦ搜索策略 分类，而且要保证筛选得到的特征变量集有较小的假 ＧＡＲＦ，用于高维数据的特征筛选。ＧＡＲＦ在遗传过程 发现率（ｆａｌｓｅｄｉｓｃｏｖｅｒｙｒａｔｅ，ＦＤＲ），否则将极大增加生 中加入基于ＶＩＭｓ的启发式变量搜索方法，能够降低 物学验证的工作量，浪费大量资源，甚至无法实现生物 噪声变量对分类的影响，并采用基于Ｐｅｒｍｕｔａｔｉｏｎ的方 学验证。 法确定最终入选模型的变量筛选界值，既能够避免人 近年来，随机森林（ｒａｎｄｏｍｆｏｒｅｓｔｓ，ＲＦ）被广泛应 为确定筛选界值的主观性，又能够解决单纯采用多变 用于高维数据分析并取得了良好的效果。ＲＦ可以在