转录组与脑网络组图谱融合的算法研究.pdfVIP

摘要 摘要 大脑是一个极其复杂的系统，控制着各种生命活动，对大脑的全方位探索是 人类的不懈追求。基于大脑的结构和功能连接信息构建的脑网络组图谱是研究大 脑的利器，而大脑各组织区域基因转录表达的差异决定着各脑区的组织连接和功 能活动。因此通过对微观的大脑转录组数据与宏观的脑网络组图谱的融合研究， 不仅可以在分子层面验证脑网络组图谱亚区划分的可靠性，而且可以发现主导脑 区功能活动的驱动基因，对二者的联合分析极大地推动了脑科学的发展。 转录组数据是一种典型的高维小样本数据，数据的高维特性带来了维数灾难， 导致计算复杂度的提高，阻碍了后续分析，解决维数灾难常用的方法就是对数据 进行降维处理。维数灾难是个重要但是难解的问题，且没有放之四海而皆准的解 决方案，针对转录组数据，还没有人系统研究过合适的降维算法。本文根据转录 组数据的特点，以及转录组和脑网络组图谱的融合研究中对特征可解释性的需求， 提出了适用于转录组数据的特征选择准则，采用对特征评分排序的思想，基于不 同的评价标准研究了多种特征选择算法在转录组数据上的应用。 通过运用特征选择结合机器学习算法，本文以梭状回数据为例，对转录组和