改良式精英型教学演算法於检测乳癌疾病保护因子-NPUCSIE.PDFVIP

第十四屆 離島資訊技術與應用研討會 改良式 精英型教學演算法於檢測乳癌疾病保護因子 莊麗月 吳承翰 楊正宏* 義守大學 國立高雄應用科技大學 國立高雄應用科技大學 化學工程系 電子工程系 電子工程系 chuang@.tw j ackmel030@ chyang@.tw 摘要 採用病例對照組對應樣本數量之 差作為適應值進 基因間的單核苷酸多態性關聯性研究在全基 行評估，病例對照組對應樣本數量之 差在此可顯示 因組關聯分析研究中日趨重要 ，而相關研究結果可 關聯性程度，並依實驗之統計數值 (OR 、95% CI) 協助病例對照研究 (Case-Control study) 以保護因 評斷數據其得病風險程度 與搜尋結果之顯著性 。 子的角度辨識基因潛在的影響因素，進而協助實行 本研究採用之 HETLBO 為一種結合學習機 疾病保護預測。本研究使用改良式菁英型教學演算 制的群集智能優化演算法，且針對ETLBO [6] 菁 法 (Hybrid Elitist Teaching-Learning-Based 英族群學習方式進行改良 。ETLBO演算法改良自 Optimization Algorithm, HETLBO)搜尋與乳癌保護 (Teaching-Learning-Based Optimization, TLBO)演 因子關聯的 SNP 組合，且加入粒子族群演算法、 算法， TLBO 演算法為模擬人類教學模式之演算 渾沌型粒子族群演算法、教學演算法三種演算法進 法，最佳解搜尋過程經教學及競爭兩大系統，模擬 行 比較。研究中使用 HETLBO演算法進行關聯性 人類學習時先經老師逐步教導，了解知識 ，再透過 搜尋結果並以勝算比 (Odds Ratio, OR) 及 95% 信 與同儕競爭的 方式，提升彼此能力，演算法利用適 賴區間 (95% Confidence Interval, 95% CI) 統計數 應值進行學習程度評估，以適應值函式計算同學學 值評估結果之顯著性 (OR 1.0 ，95% CI 1.0) ， 習程度 ，在一輪的教學及競爭模式完畢時，將學習 而研究結果不僅具有統計意義 ，更優於 PSO 、 程度最佳之學生列為下一次課堂的教師，進行知識 CPSO 、TLBO 三者演算法。菁英型教學演算法具 傳授及同儕競爭，直到象徵學期結束的課堂到來， 備調控參數少、易理解、求解速度快等優點，呈現 經過多次課程學習的學生中，挑選經適應值函式評 精準度高、不受區域最佳解限制，且為可套用於解 斷之學習程度最佳學生作為 TLBO 演算法之最佳 空間為離散型題目類型之優良演算法。 解 。ETLBO演算法更在 TLBO演算法中加入菁英 關鍵詞： 菁英型教學演算法 、單核苷酸多態性 、 學習系統，ETLBO 先評斷每個學生學習能力，將 保護因子。 先天學習能力較佳的學生群列為菁英族群，再 經過 教學及競爭模式後且落後同儕的學生族群傳授菁 前言 英族群學習方式，進行學習調整，進而對教學系統 在 全基因組關聯分析研究 (Genome-Wide 做整體性的改善。 而HETLBO更在 ETLBO的菁 Association Studies, GWAS)中，主要從人類基因 英學習系統，改變 學習方式 ，使落後族群進行多樣 中篩選出與疾病關聯之變異基因序列，而此類變異 化 且有效率的學習。本研究利用 TLBO 這種不斷 基因序列即為單核苷酸多態性 (Single Nucleotide