基因芯片数据变量筛选新策略.pdfVIP

摘要 摘要 人类基因组计划(HGP)是人类为了认识自己而进行的一项最伟大和最具影响 的研究计划，目前已基本完成了人类基因的全序列测定，其研究的重心也逐渐 进入后基因组时代，向基因的功能及基因的多样性倾斜。通过对个体在不同生 长发育阶段或不同生理状态下大量基因表达的平行分析，研究相应基因在生物 体内的功能，阐明不同层次多基因协同作用的机理，进而在人类重大疾病如癌 症、心血管疾病的发病机理、诊断治疗、药物开发等方面的研究发挥巨大的作 用。它将大大推动人类结构基因组及功能基因组的各项基因组研究计划。而基 因芯片技术的出现为研究上述问题提供了一个重要的工具，它以其无可比拟的 信息量、高通量、快速、准确地分析基因的本领，已成为人类捍卫生命的一大 利器，被誉为是基因功能研究领域最伟大的发明之一。 基因芯片技术的蓬勃发展，对于芯片数据的处理和分析方法提出了许多问题 和挑战。怎样找到那些对所研究的问题有显著意义的基因就成为一个有必要研 究的问题，因为筛选出对问题有意义的基因不仅可以大大减少计算量，而且也 为药物治疗疾病指出了明确的目标。目前关于基因芯片变量选择的方法有多种 多样-但是存在的一个问题是，这些选出的变量不大相同，有些甚至相差很大。 作为挑选变量的方法，利用有监督的自组织映射法(SSOM)进行建模和预报，处 理前列腺癌和肺癌两套数据，以最后样本预报的正确率作为评判的标准。文中 首先对利用单一的基因筛选办法所选出的变量集进行了比较、统计分析和详细 讨论，并针对这些方法所存在的不足，提出了一种新的基因变量混合选择策略： 即把不同方法选出的变量集取交集并按一定策略排序重新筛选变量，通过计算 发现：该方法克服了单一方法选变量的一些局限，如结果不稳定，平均正确率 相对较低等问题，改进后的方法减少了所需变量的个数，在相同基因个数水平 下，交集平均结果正确率高于合并之前的单一集，取得了比较满意的结果。 我们认为对基因芯片数据进行变量的筛选不仅可以减少变量的数目，还可以 减少预报结果的错误率。本文还从生物功能的角度，利用基因本体论的知识来 对我们挑选出的重要变量提供的一些生物上的相关信息。本文最后对可能引起 摘要 计算结果误差的因素，包括目前基因芯片本身技术水平等因素进行了讨论，同 时对基因芯片未来发展作了展望。 关键词：基因芯片，变量筛选，分类，有监督自组织映射 Abs仃act Abstract HumanGenome a researchwithenormous Program(HGP)isgreat plan impact formankindtoknowaboutourselves．AlmostallofthehumanhavenOWbeen genes themain has to research transferred sequenced，and successfully subject post-genome whichattentiontothefunctionand of a programpays diversitygenes．Afteranalyzing of whichisin deal different anddifferent great geneexpression developmentphase statusina can