提取結(jié)腸癌基因圖譜信息方法的研究doc(完整版)
【正文】 瘤都有其基因的特征表達(dá)譜。該模型基本解決了依據(jù)基因特征數(shù)據(jù)判定是否患癌癥的難題。依據(jù)給定的數(shù)據(jù)，在確定結(jié)腸癌的特征基因的基礎(chǔ)上，建立判斷腫瘤基因標(biāo)簽的數(shù)學(xué)模型。最后建立融入所得3個(gè)特征基因信息的二分類(lèi)Logistic回歸模型： 該模型各參數(shù)均能通過(guò)假設(shè)檢驗(yàn)。基因表達(dá)譜可以用一個(gè)矩陣或一個(gè)向量來(lái)表示，矩陣或向量元素的數(shù)值大小即該基因的表達(dá)水平。因此，必須對(duì)這些“無(wú)關(guān)基因”進(jìn)行剔除。該數(shù)據(jù)集中包含62個(gè)樣本，每個(gè)樣本均含有2000個(gè)基因的表達(dá)數(shù)據(jù)。這些基因在正常樣本與腫瘤樣本兩個(gè)類(lèi)別中的分布無(wú)論其均值還是方差均無(wú)明顯差別，即可認(rèn)為這些基因與樣本類(lèi)別無(wú)關(guān)，不會(huì)對(duì)樣本類(lèi)型的判斷提供有用信息，反而會(huì)增加信息基因搜索的計(jì)算復(fù)雜度。基于上述分析，可以采用基因的Bhattacharyya距離來(lái)衡量基因中蘊(yùn)含的分類(lèi)信息量，即： （2）其中，位基因的Bhattacharyya距離。這些基因在兩個(gè)類(lèi)別中的分布，無(wú)論其均值還是方差均無(wú)明顯差異，可以作為無(wú)關(guān)基因剔除。正向傳播時(shí)，輸入樣本從輸入層傳入，經(jīng)各隱含層處理后，傳向輸出層，若輸出層的實(shí)際輸出與期望的輸出不符合要求，則轉(zhuǎn)入誤差的反向傳播階段。如圖4是含有兩個(gè)隱含層的BP網(wǎng)絡(luò)結(jié)構(gòu)圖。綜上所述，運(yùn)用神經(jīng)網(wǎng)絡(luò)模型選取特征基因存在問(wèn)題?？梢?jiàn)，擬合Logistic回歸模型（4）的參數(shù)問(wèn)題轉(zhuǎn)換為擬合線(xiàn)性模型（8）的參數(shù)。表6 模型系數(shù)的綜合檢驗(yàn)表表7 模型匯總表表8 二元邏輯回歸分類(lèi)表表9 方程中的變量由表8的分類(lèi)表可知，運(yùn)用二分類(lèi)Logistic回歸模型處理包含40個(gè)腫瘤和22個(gè)正常樣本的結(jié)腸癌微陣列數(shù)據(jù)，按照步驟3的方式提取特征基因，其分類(lèi)檢驗(yàn)正確率最高，%，此時(shí)提取的3個(gè)特征基因分別為G49G1346和G1582。因此，本研究選擇二分類(lèi)Logistic回歸模型篩選特征基因，并得到了G49G1346和G1582這3個(gè)特征基因。設(shè)為一個(gè)隨機(jī)變量，且服從兩點(diǎn)分布。 參考文獻(xiàn)[1] Guyon I , Weston J , Barnhill S , et al . Gene selection for cancer classification using support vector machines , Machine Learning ,pp389422(2000).[2] 李澤,包雷,黃英武，基于基因表達(dá)譜的腫瘤分型和特征基因的選取，生物物理學(xué)報(bào)，,pp413417(2002)[3] Theodoridis S,Koutroumbas Recognition， York:Academic Press,pp177179(2003)[4] 李穎新,劉全金,阮曉鋼，急性白血病的基因表達(dá)譜分析與亞型分類(lèi)特征的鑒別，中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，,pp240244(2005)[5] 吳昌友，神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用，東北農(nóng)業(yè)大學(xué)，2007[6] Alon DA Broad patterns of gene expression revealed by clustering analysis of tumor and normal colon tissues probed by oligonucleotide array 1999[7] 劉全金,李穎新,朱云華,阮曉鋼，基于BP神經(jīng)網(wǎng)絡(luò)的腫瘤特征基因選取，計(jì)算機(jī)工程與應(yīng)用，,(2005)[8] 強(qiáng)波,王正志,王廣云，腫瘤特征基因篩選與調(diào)控網(wǎng)絡(luò)構(gòu)建，系統(tǒng)仿真學(xué)報(bào)，,pp41634166(2009)[9] 李建更,高志坤,嚴(yán)志,阮曉鋼，基于雙基因分析的結(jié)腸癌標(biāo)志基因選擇，中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，,pp691695(2009)[10] 阮曉鋼,王金蓮，基于腫瘤基因表達(dá)譜的基因功能模塊識(shí)別，北京工業(yè)大學(xué)學(xué)報(bào)，,pp366371(2007)[11] 李曉明，基于基因表達(dá)譜的腫瘤基因及其網(wǎng)絡(luò)結(jié)構(gòu)研究，北京工業(yè)大學(xué)，2008[12] 張婭,饒妮妮,王敏,徐尚蕾，一種基于基因表達(dá)譜的結(jié)腸癌特征提取方法，航天醫(yī)學(xué)與醫(yī)學(xué)工程，,pp356360(2008)24。影響實(shí)驗(yàn)結(jié)果的自變量為，則在給定的條件下的模型為： （10）將基因G49G1346和G1582的樣本表達(dá)水平值代入到模型進(jìn)行計(jì)算的到上述模型中，得到估計(jì)值如表所示表14 二分類(lèi)Logistic回歸模型預(yù)測(cè)值樣本值Y的估計(jì)值保留1位小數(shù)的估計(jì)值保留整數(shù)的估計(jì)值normal11 1 normal21 1 normal31 0 normal41 1 normal51 1 normal61 1 normal71 1 normal81 1 normal91 1 normal101 1 normal111 1 normal121 1 normal131 1 normal141 1 normal151 1 normal161 1 normal171 1 normal181 1 normal191 1 normal201 1 normal211 1 normal221 1 cancer10 0 cancer20 0 cancer30 0 cancer40 0 cancer50 0 cancer60 0 cancer70 0 cancer80 0 cancer90 0 cancer100 0 cancer110 0 cancer120 0 cancer130 0 cancer140 0 cancer150 0 cancer160 0 cancer170 0 cancer180 0 cancer190 0 cancer200 0 cancer210
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1