毕业论文--基因表达数据分析的方法.docVIP

基因表达数据分析的方法 摘要：基因表达数据的一个重要应用是给疾病样本分类，如鉴别白血病的类型。而对成千上万个基因表达进行分析，必产生总量巨大的数据集。近年来，支持向量机(SVM)的理论已经取得重大进展，其算法实现策略以及实际应用也发展迅速，开始成为克服“维数灾难”和“过学习”等传统困难的有力手段。利用这一技术分析与整理这些基因表达数据，已有效地解决了生物信息学上这一海量数据的瓶颈问题。本文就支持向量机在基因表达数据分析方面的算法和应用进行了介绍和分析。 关键词：生物信息学；基因表达数据；支持向量机 Methods of gene expression data analysis Abstract：Gene expression data has an important application to the classification of disease samples, such as identifying the types of leukemia. The analysis of thousands of gene expression data, will produce a tremendous amount of data sets. In recent years, support vector machine (SVM) theory that significant progress has been made towards its strategy and practical applications of algorithms has been developing rapidly and became overcome the Dimension disaster and Over-study, a powerful means of the traditional difficulties. Using this technology analysis and collation of these gene expression data have been effectively solved bottleneck on the enormous bioinformatics data. This paper discusses the algorithms and application of support vector machine in gene expression data analysis. Keywords：Bioinformatics ;Gene expression data; Support vector machine  目 录 1 引言 ……………………………………………………………………………（1） 2 生物技术的发展前景 …………………………………………………………（1） 2.1生物信息学的研究现状 ……………………………………………………（2） 2.2 基因芯片与基因表达数据 …………………………………………………（2） 2.2.1 基因芯片 …………………………………………………………………（3） 2.2.2 基因表达数据 ……………………………………………………………（3） 3 基因表达数据分析的方法 ……………………………………………………（3） 3.1 支持向量机 …………………………………………………………………（4） 3.1.1 支持向量分类 ……………………………………………………………（4） 3.1.2 分类问题的识别算法 ……………………………………………………（4） 3.1.3 支持向量机模型 …………………………………………………………（6） 3.2 支持向量机在基因表达数据分析中的应用 ………………………………（6） 3.2.1基因的选择：t统计法 ……………………………………………………（7） 3.2.2 降维方法：PCA和PLS ………………………………………………… （7） 3.2.3 分类结果和评价 …………………………………………………………（8） 4 结论 ……………………………………………………………………………（12） 致谢 ………………………………………………………………………………（13） 参考文献 …………………………………………………………………………（13） 基因表达数据分析的方法 04级数学与应用数学班 指导教师:宋杰 副教授 1 引言 随着人类基因组计划的完成，人们逐步关注不同人群、正常与疾病状态下DNA序列的变化。DNA序列的变化是有机体种属之间存在差异或种属内存在差异的根本原因，