基于子模性质基因表达谱特征基因提取.docVIP

基于子模性质基因表达谱特征基因提取 　　摘要：针对高维小样本的特点的基因表达谱数据，提出一种基于子模性质的特征基因提取算法。首先根据图论知识将独立的基因属性转换为具有结构信息的邻接图，之后对表征基因关系的邻接矩阵利用子模性质的目标函数进行分析，事先设置特征基因子集的个数K，使用贪心算法通过迭代K个步骤，将每一次选取的特征基因加入到集合S中，作为最终选择的特征基因子集；最后，使用SVM分类器进行分类实验。通过几组公开的基因表达谱数据集的实验结果分析说明了该方法的有效性。 　　关键词：基因表达谱；子模；邻接矩阵；贪心算法 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）17-0194-03 　　Gene Expression Profiles Feature Extraction Based on Submodular 　　JIANG Zhi-mou1，2， YAO Tang-long2 　　（1.Anhui Lang Electronic Technology Co.， Ltd， Hefei 230039， China；2.School of Electronics and Information Engineering， Anhui University， Hefei 230039， China） 　　Abstract： The characteristics of high-dimensional gene expression data for small samples， this paper presents a characteristic gene-based Submodular the nature of the extraction algorithm. First， according to the knowledge of graph theory to separate genes properties into adjacent graph with structural information， the following relationship for the characterization of gene adjacency matrix using the sub-mode to analyze the nature of the objective function， through pre-set number of feature gene subset， using greedy algorithm iteration steps， each one gene is added to the selected feature set， as the final selection of a subset of genes characteristic； Finally， using the SVM classifier to classify experiments. Through several sets of experimental results published analysis of gene expression data sets illustrate the effectiveness of this method. 　　Key words： gene expression profiling； submodular； adjacency matrix； greedy algorithm 　　随着新分子生物学技术和DNA微阵列技术的迅速发展，可以同时定量测量生物样本中成千上万的基因表达水平，这一技术产生的基因表达谱数据能够揭开隐含的、以前未知的生物学知识。近几年来，研究学者利用统计学和模式识别等知识对基因表达谱数据进行分析，对致病的肿瘤基因进行有效的挖掘，从而对肿瘤的类型作出准确的诊断和分类预测。 　　目前对高维小样本的基因表达谱数据，特征基因的子集选择有效解决了高维数据所面临的“维数灾难”问题。自1999年Golub等[1]人第一次提出了以“信噪比”作为评价指标，采用加权投票法过滤冗余基因构建分类模型之后，研究学者提出了许多新的特征基因挖掘方法。Mishra等[2]人提出一种改进的信噪比方法，Peng等[3]人提出使用互信息来度量特征之间的相关性程度选择信息基因，Mukkamala等[4]采用[t]统计量的方法过滤冗余基因，张靖等[5]提出一种改进的Lasso方法迭代剔除冗余的基因，Xu等[6]提出一种基于标准差分布差异（SDED）选择特征基因的方法，Hang等[7]人提出一种基于稀疏表示的肿瘤基因表达