基于基因表达谱的肿瘤分型和特征基因选取

被引：25

作者：

李泽

包雷

黄英武

孙之荣

机构：

[1] 清华大学生物科学与技术系,清华大学生物科学与技术系,清华大学生物科学与技术系,清华大学生物科学与技术系北京,北京,北京,北京

来源：

生物物理学报 | 2002年 / 04期

关键词：

基因表达谱; 聚类; 特征基因;

D O I：

暂无

中图分类号：

R730.4 [肿瘤诊断学];

学科分类号：

摘要：

在分析基因表达谱数据特性的基础上,提出了一个将之用于肿瘤分子分型和选取相应亚型特征基因的策略。该策略包括三个步骤: 首先采用一个无监督的基因过滤算法以降低用于分型计算的数据的噪声, 其次提出了一个概率模型对样本中的分类结构进行建模,最后基于聚类的结果采用相对熵的方法获得对分类贡献大的基因作为特征基因。应用该策略对两个公开发表的数据集进行了再挖掘,结果表明不但获得了其他方法可以得到的信息,而且还提供了更精细、更具有显著生物学意义的信息,具有明显的优越性。

引用

页码：413 / 417

页数：5

共 8 条

[1]

Cluster analysis and display of genome-wide expression patterns. EisenMB,SpellmanPT,BrownP,et al. Proceedings of the National Academy of Sciences of the United States of America . 1998

[2]

MML clustering of multi-state,Pois-son, vonMises circular andGaussian distributions. WallaceCS,DoweDL. StatisticsandComputing . 2000

[3]

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

[4]

Molecular classification of cancer: class discovery and class prediction by gene expression monitoring. Golub, T R,,Slonim, D K,Tamayo, P, et al. Science . 1999

[5]

MML clustering of multi-state, Poisson, von Mises circular and Gaussian distributions[J] . Chris S. Wallace,David L. Dowe. &nbspStatistics and Computing . 2000 (1)

[6]

Bayesian Classification(AutoClass):Theory and Results. Cheeseman P,Stutz J. Advances In Knowledge Discovery and Data Mining . 1996

[7]

Regulation of lymphocyte cell fate decisions and lymphomagenesis by Bcl-6. Staudt LM,Dent AL,Shaffer AL,et al. International Reviews of Immunology . 1999

[8]

Molecular insights into the immunopathogenesis of follicular lymphoma. StamatopoulosK,KosmasC,BelessiC,et al. Immunology Today . 2000

← 1 →