基于fiedler向量的基因表达谱数据分类方法.pdfVIP

中国生物工程杂志　ＣｈｉｎａＢｉｏｔｅｃｈｎｏｌｏｇｙ，２０１０，３０（１２）：８２８６ ? 基于Ｆｉｅｄｌｅｒ向量的基因表达谱数据分类方法  王　年 　庄振华　唐　俊　苏亮亮 （安徽大学计算智能与信号处理教育部重点实验室　合肥　２３００３９） 摘要　尝试将一种基于图的Ｆｉｅｄｌｅｒ向量的聚类算法引入到基因表达谱数据的肿瘤分类中来。该 方法将分属不同类的所有样本通过高斯权构造Ｌａｐｌａｃｅ完全图，经ＳＶＤ分解后获得Ｆｉｅｄｌｅｒ向量， 利用各样本所对应的Ｆｉｅｄｌｅｒ向量分量的符号差异来进行基因表达谱数据的分类。通过模拟数据 仿真实验和对白血病两个亚型（ＡＬＬ与ＡＭＬ）及结肠癌真实数据实验，证明了这一方法的有效性。 关键词　分类　Ｆｉｅｄｌｅｒ向量　基因表达数据 中图分类号　Ｑ８１１．４ 　　自从 ＤＮＡ微阵列技术问世之后，由该技术所获取 器学习（ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ，ＭＬ）方法的泛化能力一般是 的基因表达谱数据已被广泛应用于医学的各个领域， 建立在经验风险最小化准则上的，然而经验风险最小 在微生物领域，被用于揭示许多微生物体的转录表达 化准则是以假设试验数目可无限增加为前提的，这种 ［１］ 假设无法与实际肿瘤分类问题相一致。因此，本文尝 和基因组的差异 ，挖掘基因与生命本身的内在联系。 越来越多的肿瘤学家开始运用 ＤＮＡ微阵列技术分析 试将一种基于谱图理论的聚类方法引入到基因表达谱 正常组织与肿瘤组织之间的基因表达差异，然而该技 数据的分类中来。该方法首先将分属不同类的所有样 术所提供的海量数据迫切需要一个快速准确的方法对 本通过高斯权构造ｌａｐｌａｃｅ完全图，经ＳＶＤ分解后获得 其进行统计及分析，这是生物信息学领域中的一个重 Ｆｉｅｄｌｅｒ向量，利用Ｆｉｅｄｌｅｒ向量各分量的符号差异来进 要课题。 行基因表达谱数据的分类。本文对白血病两个亚型 　　面对表达谱数据，主要的分析思路之一是从整体 （ＡＭＬ和ＡＬＬ）及结肠癌数据进行分类，获得了较好的 ［２］ 效果，证明了该方法的有效性。 上宏观地概括抽取信息 ，近年来，大批科研工作者在 基因表达谱数据分类领域开展了广泛的研究与尝试。 １　基于Ｆｉｅｄｌｅｒ向量的基因表达谱数据分 最初研究者们主要使用一些较为经典的分类方法来研 类方法 ［３４］ 究基因表达谱数据，这些方法有：层次聚类 、Ｋ均值 ［５７］ ［８］ ［９１０］ ［１１１２］ 　　基因表达谱数据一般由分属不同类别的若干个样 聚类 、Ｋ近邻法 ，贝叶斯法 、决策树 、组织 ［１３１４］ ［１５１６］ 本集合而成，可将某个样本记为 Ｇ＝{ｇ，ｇ，…，ｇ} ， 映射（ＳＯＭ） 及支持向量机（ＳＶＭ） 等。随着研 １ ２ ｎ 其中ｇ代表该样本的第ｉ个基因在该次实验中的表达 究工作的不断深入，经典的模式识别方法在基因表达 ｉ 谱分类领域的局限性表现得更为显著，许多研究者努 等级。由此可见单个样本的基因表达数据是一个数字 力改进这些经典算法以克服实验中所遇到的问题。如 序列，我们可以将其投射为多维空间中的一个点，而由 ［１７］