基于基因关联分析的贝叶斯网络疾病样本分类算法.pdfVIP

基于基因关联分析的贝叶斯网络疾病样本分类算法.pdf

JournalofComputerApplicationsISSN1001‐90812024‐11‐10

计算机应用,2024,44(11):3449-3458CODENJYIIDUhttp：//www.joca.cn

文章编号：1001-9081（2024）11-3449-10DOI：10.11772/j.issn.1001-9081.2024030398

基于基因关联分析的贝叶斯网络疾病样本分类算法

11*23

李志杰，廖旭红，李元香，李青蓝

（1.湖南理工学院信息科学与工程学院，湖南岳阳414006；2.武汉大学计算机学院，武汉430072；

3.宾夕法尼亚大学医学院，美国宾夕法尼亚费城19019）

（∗通信作者电子邮箱lxh2402163.com）

摘要：基因表达数据作为生物学中一种特定类型的大数据，尽管基因表达值都是普通的实数值，但它们的相似

性不是基于欧氏距离度量，而是基于基因表达值是否展现同升同降趋势。目前的基因贝叶斯网络以基因表达水平值

为节点随机变量，没有体现这种子空间模式的相似性。因此，提出基于基因关联分析的贝叶斯网络疾病分类算法

（BCGA），从带类标签的疾病样本-基因表达数据中学习贝叶斯网络并预测新疾病样本的分类。首先，将疾病样本离

散化过滤以选择基因，并将降维后的基因表达值排序和置换为基因列下标；其次，分解基因列下标序列为长度为2的

原子序列集合，而这个集合的频繁原子序列对应一对基因的关联关系；最后，通过基因关联熵度量因果关系，并用于

贝叶斯网络结构学习。BCGA的参数学习也变得很容易，基因节点的条件概率分布只要统计该基因的原子序列和父

节点基因的原子序列出现频次即可。在多个肿瘤和非肿瘤基因表达数据集上的实验结果表明，相较于已有的同类算

法，BCGA的疾病分类准确率明显提高，分析时间有效缩短；另外，BCGA使用基因关联熵代替条件独立性，使用基因

原子序列代替基因表达值，可以更好地拟合基因表达数据。

关键词：基因表达数据；频繁原子序列；基因关联熵；基因序列贝叶斯网络；疾病分类

中图分类号：TP181文献标志码：A

DiseasesampleclassificationalgorithmbyBayesiannetworkwithgeneassociationanalysis

11*23

LIZhijie，LIAOXuhong，LIYuanxiang，LIQinglan

（1.SchoolofInformationScienceandEngineering，HunanInstituteofScienceandTechnology，YueyangHunan414006，China；