【導讀】王戟，男，博士，教授，博。生導師，中國工程院院士，主要研究領(lǐng)域為：軟件理論、人工智能和軟件工程。根據(jù)腫瘤基因表達譜樣本集的特點，提出一種以支持向量機分類性能為評估準則的尋找信。實驗采用了三種腫瘤樣本集以驗證新算法的可行性和有效性，對于急性白血病、難。4-折交叉驗證識別準確率。與其它優(yōu)秀的腫瘤分類方法相比，實驗結(jié)果在信息基因數(shù)量及其分類性能方。面具有明顯的優(yōu)越性。為避免樣本集的不同劃分對分類性能的影響，提出一種能夠更加客觀地反映信息

　　

【正文】 HT29 等的 增值和 AOM 誘發(fā)的結(jié)腸癌的生長，并能使癌細胞鳥氨酸脫羧酶活性升高和 ODC_mRNA 含量增加；基因 H06524(Gelsolin Precursor) 在幾種癌細胞中都是低表達的 [38], Gelsolin 是一種控制細胞凋亡的多功能 肌動蛋白。 還有很多信息基因 沒有查到相關(guān)醫(yī)學文獻，有些可能已被研究，但還有些信息基因可能沒有被研究過。 相關(guān)工作 比較 正是 因為基于基因表達譜的腫瘤分類檢測方法很有希望應(yīng)用于醫(yī)學臨床診斷， 所以腫瘤分類問題得到廣泛研究 ，表 6 給出了針對 三 種 腫瘤樣本 集采用不同 的 基因選擇方法 或特征抽取方法的分類實驗結(jié)果 的比較情況 ，這些都是目前腫瘤分類問題 研究中獲得的非常好的實驗結(jié)果 。 比較發(fā)現(xiàn)，我們的實驗結(jié)果 在信息基因數(shù)量和分類性能方面 具有 明顯的優(yōu)越性， 同時也 表明我們設(shè)計的 HBSA 算法與其它基因選擇方法相比具有很強的競爭優(yōu)勢 ，其 最大優(yōu) 點是能夠 同時發(fā)現(xiàn)盡可能多的最佳信息基因子集 ，這為從代謝通路角度 分析腫瘤發(fā)生發(fā)展過程準備了條件 [39]，為在高性能計算機上進行信息基因子集的窮盡搜索奠定了基礎(chǔ)，同時也為研制腫瘤功能分類基因芯片準備了條件 。 表 6 針對 三種 腫瘤樣本 集的不同分類方法所獲得的分類實驗結(jié)果比較 序號 基因 選擇 或特征抽取 方法 分類器 樣本集 信息基因數(shù)量 識別精度 參考文獻 1 BFSC或秩和檢驗方法 啟發(fā)式寬度優(yōu)先搜索 (HBSA) SVM(RBF kernel) Leukemia 2 100% 本文 Colon 4 100% SRBCT 4 100% 3 特征記分 準則 (Feature Score Criterion, FSC) SVM Leukemia % [40] Colon % 4 模糊邏輯與遺傳算法 (Fuzzy Logic and GA) SVM Leukemia 25 100% [19] Colon 10 % 5 采用 ReliefF 進行基因初 選，然后采用HykGene 進行精選 樸素 Bayes 分類器 (Na239。ve Bayes) Leukemia 5 100% [41] Colon 3 % 15 6 遺傳算法 (Geic Algorithms) SVM Leukemia 6 100% [42] Colon 12 % 7 修訂的局部線性嵌入 (Revised locally linear embedding,LLE) SVM(RBF kernel) Leukemia % [43] Colon % 8 多 目 標 演 化 算 法 (Multiobjective Evolutionary Algorithms) 基因表達差異判別 Leukemia 4 100% [44] Colon 7 % 9 遞歸特征刪除方法 (Recursive Feature Elimination, RFE) SVM Leukemia 2 100% [10] Colon 4 % 10 修訂的特征記分準 則與 兩兩冗余分析 (RFSC and Pairwise Redundancy Analysis) SVM(RBF kernel) Leukemia 16 100％ [18] 11 修訂的特征記分準則與因子分析 (RFSC and Factor Analysis) SVM(RBF kernel) Leukemia 100％ [24] Colon ％ 12 修訂的特征記分準則與獨立分量分析 (RFSC and Independent Component Analysis) SVM(RBF kernel) Leukemia 100% [25] Colon % 13 基因?qū)Ψ诸惡筒煌膊〉闹匾? ANN SRBCT 96 100% [45] 14 GESSES(geic evolution of subsets of expressed sequences) kNN SRBCT 12177。 2 100% [46] 5 研究 結(jié)論與未來工作 一次 實驗 就能同時測出成千上萬個基因表達的 DNA 微陣列技術(shù)的出現(xiàn)為腫瘤學的研究提供了一種全新的研究方法，并在醫(yī)學制藥和臨床應(yīng)用領(lǐng)域備受關(guān)注，因此采用基因表達譜對腫瘤進行分類檢測正逐步形成生物信息學的一個重要研究領(lǐng)域。但由于基 因表達 譜 數(shù)據(jù)存在維數(shù)高、噪音大、樣本數(shù)量小以 及基因之間存在共表達現(xiàn)象 等特點，為深入而準確地挖掘 基因表達譜 中 所 蘊含的知識帶來極大困 難。 本文 提出的 HBSA 算法是一種信息基因選擇的 FilterWrapper 算法 ，其分類過程模型屬迭代模型 ， 能夠 盡可能 多地選出 基因 數(shù)量 盡 可能少而分類能力盡可能強的候選信息基因子集。 實驗采用三種腫瘤 基 因表達譜樣本 集 驗證了這種新算法的可行性和有效性，對于急性白血病 樣本 集 ，只需 2 個基因就能獲得 100％的 全折 CV 分類 準確率， 對于難以分類的結(jié)腸癌樣本 集 ，只需 4 個基因就可獲得 100％的 4折 CV 分類 準確率 ， 但其全折 CV 分類準確率卻為 %， 而對于多腫瘤亞型 SRBCT 數(shù)據(jù)集，同樣只需 4 個信息基因就能獲得 100%的 全 折 CV 分類準確率 。 與其它腫瘤分類 方法 對于同樣的樣本 集所獲得的實驗結(jié)果 相比， 采用HBSA 算法 獲得的 實驗結(jié)果具有明顯的優(yōu)越性 ，不僅分類準確率高而且所選出的 信息基因數(shù)量 非常 少 ，只需 3 或 4 個，與假設(shè)一致 。 實驗也進一步驗證了全折交叉驗證方法能夠更加客觀地評估信息基因的分類準確率，避免因樣本集的不同劃分對分類準確率的影響。 目前，雖然針對腫瘤分類問題已經(jīng)開展 了大量研究， 但仍然還有許多問題需要解決。例如， (1) 多類別腫瘤分類問題研究得還不夠充分 ； (2) 信息基因選擇算法的優(yōu)劣 程度除根據(jù)其分類性能作為評估準則外，還沒有其 它統(tǒng)一的準則來評估； (3) 腫瘤樣本集的規(guī)模過于小而影響評估的準確度和可信度 ； (4) 腫瘤樣本數(shù)據(jù)集的數(shù)據(jù)格式不統(tǒng)一； (5) SVM 分 類模型中 最佳 參數(shù) 選擇 問題還需 更 有效的算法 ； (6) 腫瘤分類模型的實用化研究； (7) 選出 的 腫瘤分類信息 基因子集 還需要在 生物醫(yī)學 實踐中進一步驗證 ； (8) 腫瘤相關(guān)基因在不同人種中的表達差異性 。這些問題都是我們今后需 要 重點 開展的研究 工作 。 參考文獻 1 Golub ., Slonim ., Tamayo P., Huard C., Gaasenbeek M., Mesirov ., Coller H., Loh ., Downing ., Caligiuri ., Bloomfield ., and Lander .. Molecular classification of cancer: class discovery and class prediction by gene expression monitoring. Science, 1999, 286: 531537. 2 黃德雙，劉海燕，施蘊渝 ， 陳國良 . 生物信息學中的智能計算理論與方法 研究 . 合肥：中國科學技術(shù)大學 16 出版社 , 2020, . 3 阮曉鋼 , 李穎新 , 李建更 , 龔道雄 , 王金蓮 . 基于基因表達譜的腫瘤特異基因表達模式研究 . 中國科學 C輯 生命科學 , 2020, 36(1): 8696. 4 李建中 , 楊昆 , 高宏 , 駱吉洲 , 郭政 . 考慮樣本不均衡的模型無關(guān)的基因選擇方法 . 軟件學報 , 2020, 17(7): 14851493. 5 Amir BenDor, Laurakay Bruhn, Nir Friedman, Iftach Nachman, Michel Schummer, and Zohar Yakhini. Tissue classification with gene expression profiles. J. Computational Biology, 2020, 7: 559584. 6 李澤 , 包雷 , 黃英武等 . 基于基因表達譜的腫瘤分型和特征基因的選取 .生物物理學報 , 2020, 18(4): 413417. 7 李笑，孫光民，鄧超 . 采用 DSOM 神經(jīng)網(wǎng)絡(luò)進行腫瘤基因表達譜數(shù)據(jù)的聚類分析 . 生物醫(yī)學工程與臨床，2020， 10(1): 4346. 8 王海蕓，李霞，郭政，張瑞杰 . 四種模式分類方法應(yīng)用于基因表達譜分析的比較研究 . 生物醫(yī)學工程 學 雜志， 2020, 22(3): 505509. 9 Heping Zhang, ChangYung Yu, Burton Singer, and Momiao Xiong. Recursive partitioning for tumor classification with gene expression microarray data. PNAS, 2020, 98(12): 67306735. 10 Guyon I., Weston J., Barnhill S. and Vapnik V.. Gene selection for cancer classification using support vector machines. Machine Learning, 2020, 46(13): 389422. 11 阮曉鋼，晁浩 . 腫瘤識別過程中特征基因的選取 . 控制工程， 2020， 14(4): 373375. 12 Herman Midelfart, Jan Komorowski, Kristin N248。rsett, Fekadu Yadetie, Arne K. Sandvik, Astrid L230。greid. Learning Rough Set Classifiers from Gene Expressions and Clinical Data. Fundamenta Informaticae, 2020, 53: 155–183. 13 Khan J, Wei JS, Ringner M, et al. Classification and diagnostic prediction of cancers using gene expression profiling and artificial neural works[J]. Nature Med, 2020,7: 673679. 14 SungBae Cho and HongHee Won. Machine learning in DNA microarray analysis for cancer classification. Proceedings of the First AsiaPacific Bioinformatics Conference on Bioinformatics, 2020, 189198. 15 Ron Kohavi, Gee H. John. Wrappers for feature subset selection. Artificial Intelligence, 1997,97(12): 273324. 16 Momiao Xiong, Xiangzhong Fang, and Jinying Zhao. Biomarker identification by feature wrappers. Genome Research, 2020, 11: 18781887. 17 Li YingXin, Li JianGeng, and Ruan XiaoGang. Study of informative gene selection for tissue classification based on tumor gene expression profiles. Chinese journal of puters, 2020, 29(2): 324330.(In Chinese) 18 李穎新 , 阮曉鋼 . 基于支持向量機的腫瘤分類特征基因選取 . 計算機研究與發(fā)展 ,2020,42(10): 17961801. 19 Edmundo Bonilla Huerta, B233。atrice Duval, and JinKao Hao. A hybrid GA/SVM approach for gene selection and classification of microarray data. EvoWorkshops, 2020, 3444. 20 邊肇祺，張學工 . 模式識別 (第二版 ). 北京 : 清華大學出版社 , 2020, . 21 朱云華，李穎新，阮曉鋼 . 基于基因表達譜的 SRBCT 分類研究 . 計算機工程與應(yīng)用， 2020， 41(1): 221223. 22 鄧林，馬盡文，裴健 . 秩和基因選取方法及其在腫瘤診斷中的應(yīng)用 . 科學通報