基于多数据集的胃癌亚型标志基因选择

被引：2

作者：

李建更

贺益恒

郭庆雷

机构：

[1] 北京工业大学人工智能与机器人研究所

来源：

北京工业大学学报 | 2013年 / 39卷 / 10期

关键词：

标志基因; 胃癌; 遗传算法; 支持向量机(SVM);

D O I：

暂无

中图分类号：

R735.2 [胃肿瘤];

学科分类号：

100112 [医学生物化学与分子生物学];

摘要：

基于机器学习方法分析胃癌微阵列数据,寻找和发现新的胃癌亚型分类的相关基因,可为进一步研究胃癌发生的分子机制及其基因水平的诊断和治疗提供标志与依据.现有方法大多使用单个数据集提取特征基因,样本量少,提取的特征基因应用于其他同类数据分类效果差.本文提出了一种遗传算法与支持向量机(support vector machine,SVM)相结合的特征基因提取方法,并行分析了3个胃癌微阵列数据集,提取的特征基因在所有数据集中均达90%以上的分类准确率.进行了4 580次实验,统计基因在遗传算法种群中出现的次数依次排序,得出了可能对胃癌亚型分类起关键作用的基因(AGT、FBLN1等).对提取的特征基因的生物学意义分析结果表明,本方法能很好地识别胃癌亚型分类基因,所选择的特征基因对人类胃癌肿瘤的诊断和分型有重要意义.

引用

页码：1590 / 1595

页数：6