微阵列数据癌症分类问题中的基因选择

被引：20

作者：

张丽娟 ^{[1
]}

李舟军 ^{[2
]}

机构：

[1] 国防科学技术大学计算机学院

[2] 北京航空航天大学计算机科学与工程学院

来源：

计算机研究与发展 | 2009年 / 46卷 / 05期

关键词：

基因选择; 微阵列数据; 癌症分类; 属性相关性; 相关性度量;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

微阵列数据广泛而成功地应用于生物医学的癌症分类研究.一个典型的微阵列数据集包含大量(通常成千上万,甚至数十万)的基因、相对少量(往往不足一百)的样本.在这成千上万的基因中,仅仅一少部分基因对癌症分类有贡献.因而,对于癌症分类来说,最重要的一个问题就是识别出对癌症分类最有贡献的基因.这一识别过程称为基因选择.基因选择在统计模式识别、机器学习和数据挖掘领域已得到广泛研究.介绍基因选择问题所涉及到的相关背景知识和基本概念;全面地回顾统计学、机器学习和数据挖掘领域对基因选择问题的解决方法;通过实验展示了几种典型算法在微阵列数据上的性能;指出当前存在的问题和未来的研究方向.

引用

页码：794 / 802

页数：9

共 16 条

[1] 考虑样本不平衡的模型无关的基因选择方法 [J].

李建中 ;

杨昆 ;

高宏 ;

骆吉洲 ;

郭政 .

软件学报, 2006, (07) :1485-1493

[2]

基因表达谱芯片的数据分析[J]. 吴斌,沈自尹.世界华人消化杂志. 2006(01)

[3] 基于相关性分析的基因选择算法 [J].

王明怡 ;

吴平 ;

王德林 .

浙江大学学报(工学版), 2004, (10) :52-55

[4] 一种基于递归分类树的集成特征基因选择方法 [J].

李霞 ;

张田文 ;

郭政 .

计算机学报, 2004, (05) :675-682

[5] 基于类别空间的基因选择 [J].

张军英 ;

Y.J.Wang ;

J.Khan ;

R.Clarke .

中国科学E辑:技术科学, 2003, (12) :1125-1137

[6] Significance of gene ranking for classification of microarray samples [J].

Zhang, Chaolin ;

Lu, Xuesong ;

Zhang, Xuegong .

IEEE-ACM TRANSACTIONS ON COMPUTATIONAL BIOLOGY AND BIOINFORMATICS, 2006, 3 (03) :312-320

[7] Identification of critical genes in microarray experiments by a Neuro-Fuzzy approach [J].

Chen, Chin-Fu ;

Feng, Xin ;

Szeto, Jack .

COMPUTATIONAL BIOLOGY AND CHEMISTRY, 2006, 30 (05) :372-381

[8]

Robust Selection of Predictive Genes via a Simple Classifier[J] . Veronica Vinciotti,Allan Tucker,Paul Kellam,Xiaohui Liu.Applied Bioinformatics . 2006 (1)

[9]

Attribute Clustering for Grouping, Selection, and Classification of Gene Expression Data[J] . Wai-Ho Au,Keith C. C. Chan,Andrew K. C. Wong,Yang Wang.IEEE/ACM Transactions on Computational Biology an . 2005 (2)

[10] Gene Selection for Cancer Classification using Support Vector Machines [J].

Isabelle Guyon ;

Jason Weston ;

Stephen Barnhill ;

Vladimir Vapnik .

Machine Learning, 2002, 46 :389-422

← 1 2 →