肿瘤识别过程中特征基因的选取

被引：16

作者：

阮晓钢

晁浩

机构：

[1] 北京工业大学电子信息与控制工程学院

来源：

控制工程 | 2007年 / 04期

关键词：

特征基因; 肿瘤分类; 基因表达谱;

D O I：

10.14107/j.cnki.kzgc.2007.04.009

中图分类号：

TP391.4 [模式识别与装置]; R73-3 [肿瘤学实验研究];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

基于肿瘤基因表达数据,运用信息科学的方法和技术建立肿瘤的预测分类模型,对肿瘤的识别具有重要意义。在建立模型的过程中,如何能够有效地排除噪声基因进而挑选出分类特征基因对肿瘤预测的准确性有很大的影响。针对该类问题,提出了一种新的特征基因选取方法—CLUSTERS2N法。该方法采取了"信噪比"指标与聚类相结合的方法来挑选特征基因,并分别以前列腺癌和急性白血病的基因表达谱为例,用支持向量机作为分类器进行了肿瘤的分类预测实验。实验结果表明该方法的可行性。

引用

页码：373 / 375+379 +379

页数：4

共 7 条

[1]

Analysis of gene expressionidentifies candidate markers and pharmacological targets in prostatecancer. Welsh J B,Sapinoso L M,Su AI,et al. Cancer Research . 2001

[2]

Gene expression correlates of clini-cal prostate cancer behavior. Singh D,Febbo P,Ross K,et al. Cancer Cell . 2002

[3]

Support vector machine clas-sification and validation of cancer tissue samples using microarray ex-pression data. Furey TS,Cristianini N,Duffy N,et al. Bioinformatics . 2000

[4]

Distinct types of diffuselarge B-cell lymphoma identified by gene expression profiling. Alizadeh AA,Eisen MB,Davis RE,et al. Nature . 2000

[5]

Classification and diagnostic pre-diction of cancers using gene expression profiling and artificial neuralnetworks. Khan J,Wei J S,Ringner M,et al. Nature Medicine . 2001

[6]

Molecular classification ofcancer:class discoveryand class prediction bygene expression monitor-ing. Golub TR,SlonimD K,Tamayo P,et al. Science . 1999

[7]

DNA microarrays in clinical oncology. Ramaswamy S,Golub T R. Journal of Clinical Oncology . 2002

← 1 →