基于奇异值分解的致病基因挖掘算法

被引：2

作者：

张焕萍 ^{[1
,2
]}

尹佟明 ^{[2
]}

郑建冬 ^{[1
]}

机构：

[1] 南京林业大学机电学院

[2] 南京林业大学林木遗传与生物技术省部共建教育部重点实验室

来源：

南京航空航天大学学报 | 2013年 / 45卷 / 02期

关键词：

奇异值分解; 致病基因; Logistic回归;

D O I：

10.16356/j.1005-2615.2013.02.001

中图分类号：

TP18 [人工智能理论]; O212.1 [一般数理统计];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为从复杂的基因芯片表达数据中有效地挖掘致病基因,提出了基于奇异值分解(Singular value decomposi-tion,SVD)的致病基因挖掘算法———Logistis回归奇异值分解(Logistic regression SVD,LRSVD),针对奇异值方差评估特征模式的不足,LRSVD算法用Logistic回归系数代替方差评估每一个特征模式对分类的作用大小,进一步提出利用基因内积评估每一条基因的分类能力,建立了特征模式与原始基因表达数据之间的线性映射关系,并按基因内积大小排序,选择出对样本分类能力高的基因子集。将LRSVD算法应用于实际基因表达数据,实验结果表明,LRSVD算法能有效挖掘出与疾病相关的基因子集。

引用

页码：277 / 282

页数：6

共 4 条

[1] Use of SVD-based probit transformation in clustering gene expression profiles
Liang, Faming
[J]. COMPUTATIONAL STATISTICS & DATA ANALYSIS, 2007, 51 (12) : 6355 - 6366
[2] Missing value estimation methods for DNA microarrays[J] . Olga Troyanskaya,Michael Cantor,Gavin Sherlock,Pat Brown,Trevor Hastie,Robert Tibshirani,David Botstein. Bioinformatics . 2001
[3] SVDMAN - singular value decomposition analysis of microarray data
Wall, ME
Dyck, PA
Brettin, TS
[J]. BIOINFORMATICS, 2001, 17 (06) : 566 - 568
[4] A genome-wide transcriptional analysis of the mitotic cell cycle
Cho, RJ
Campbell, MJ
Winzeler, EA
Steinmetz, L
Conway, A
Wodicka, L
Wolfsberg, TG
Gabrielian, AE
Landsman, D
Lockhart, DJ
Davis, RW
[J]. MOLECULAR CELL, 1998, 2 (01) : 65 - 73

← 1 →