学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
基于BP网络灵敏度分析的肿瘤亚型分类特征基因选取
被引:4
作者
:
刘全金
论文数:
0
引用数:
0
h-index:
0
机构:
安庆师范学院物理与电气工程学院
安庆师范学院物理与电气工程学院
刘全金
[
1
]
李颖新
论文数:
0
引用数:
0
h-index:
0
机构:
北京经纬纺机新技术有限公司CCD部
安庆师范学院物理与电气工程学院
李颖新
[
2
]
阮晓钢
论文数:
0
引用数:
0
h-index:
0
机构:
北京工业大学电子信息与控制工程学院
安庆师范学院物理与电气工程学院
阮晓钢
[
3
]
机构
:
[1]
安庆师范学院物理与电气工程学院
[2]
北京经纬纺机新技术有限公司CCD部
[3]
北京工业大学电子信息与控制工程学院
来源
:
中国生物医学工程学报
|
2008年
/ 05期
关键词
:
肿瘤;
基因表达谱;
特征选取;
BP网络;
灵敏度分析;
D O I
:
暂无
中图分类号
:
R73-3 [肿瘤学实验研究];
学科分类号
:
摘要
:
基于肿瘤基因表达谱,提出了单隐层BP网络灵敏度分析法以有效选取肿瘤亚型分类特征基因。首先以Bhattacharyya距离为尺度滤除分类无关基因;然后从"功能基因组合"的角度出发,依据输入特征对BP网络输出的灵敏度生成候选特征基因子集;最后以BP网络作为样本分类器考察候选特征基因子集对肿瘤样本的亚型识别能力,得到具有最佳分类能力的基因子集作为肿瘤亚型分类特征基因。以小圆蓝细胞瘤基因表达谱数据集为例进行实验,结果表明了该方法的可行性和有效性。
引用
收藏
页码:710 / 715
页数:6
相关论文
共 3 条
[1]
基于基因表达谱的肿瘤分型和特征基因选取
[J].
李泽
论文数:
0
引用数:
0
h-index:
0
机构:
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
李泽
;
包雷
论文数:
0
引用数:
0
h-index:
0
机构:
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
包雷
;
黄英武
论文数:
0
引用数:
0
h-index:
0
机构:
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
黄英武
;
孙之荣
论文数:
0
引用数:
0
h-index:
0
机构:
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
孙之荣
.
生物物理学报,
2002,
(04)
:413
-417
[2]
以信息系统的观点了解基因组
[J].
李衍达
论文数:
0
引用数:
0
h-index:
0
机构:
清华大学生物信息研究所
李衍达
.
电子学报,
2001,
(S1)
:1731
-1734
[3]
Gene selection for cancer classification using support vector machines. GUYON I,WESTON J,BARNHILL S,et al. Machine Learning . 2000
←
1
→
共 3 条
[1]
基于基因表达谱的肿瘤分型和特征基因选取
[J].
李泽
论文数:
0
引用数:
0
h-index:
0
机构:
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
李泽
;
包雷
论文数:
0
引用数:
0
h-index:
0
机构:
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
包雷
;
黄英武
论文数:
0
引用数:
0
h-index:
0
机构:
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
黄英武
;
孙之荣
论文数:
0
引用数:
0
h-index:
0
机构:
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
孙之荣
.
生物物理学报,
2002,
(04)
:413
-417
[2]
以信息系统的观点了解基因组
[J].
李衍达
论文数:
0
引用数:
0
h-index:
0
机构:
清华大学生物信息研究所
李衍达
.
电子学报,
2001,
(S1)
:1731
-1734
[3]
Gene selection for cancer classification using support vector machines. GUYON I,WESTON J,BARNHILL S,et al. Machine Learning . 2000
←
1
→