基于边缘分布模型的基因选择方法

被引：1

作者：

段旭

机构：

[1] 江苏科技大学计算机科学与工程学院

来源：

计算机工程与设计 | 2011年 / 32卷 / 11期

关键词：

基因微阵列; 基因选择; 边缘分布模型; 差异表达基因; EM算法;

D O I：

10.16208/j.issn1000-7024.2011.11.083

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

一个微阵列数据集包含了成千上万的基因、相对少量的样本,而在这成千上万的基因中,只有一少部分基因对肿瘤分类是有贡献的,因此,对于肿瘤分类来说,最重要的一个问题就是识别选择出对肿瘤分类最有贡献的基因。为了能有效地进行微阵列基因选择,提出用一个边缘分布模型(marginal distribution model,MDM)来描述微阵列数据。该模型不仅能区分基因是否在两样本中差异表达,而且能区分出基因在哪一类样本中表达,从而选择出的基因更具有生物学意义。模拟数据及真实微阵列数据集上的实验结果表明,该方法能有效地进行微阵列基因选择。

引用

页码：3836 / 3839

页数：4

共 6 条

[1] 基因选择的0-1规划模型和算法 [J].

杨昆 ;

徐静 ;

张彦斌 .

计算机工程与应用, 2010, 46 (20) :184-187

[2] 考虑样本不平衡的模型无关的基因选择方法 [J].

李建中 ;

杨昆 ;

高宏 ;

骆吉洲 ;

郭政 .

软件学报, 2006, (07) :1485-1493

[3] The challenges of gene expression microarrays for the study of human cancer [J].

Tinker, Anna V. ;

Boussioutas, Alex ;

Bowtell, David D. L. .

CANCER CELL, 2006, 9 (05) :333-339

[4]

Improved statistical tests for differential gene expression by shrinking variance components estimates .2 X. Cui,J. T. G. Hwang,J. Qiu,N. J. Blades,G. A. Churchill. Biostatistics . 2005

[5]

Using DNA microarrays to study gene expression in closely related species .2 Oshlack,A,Chabot,AE,Smyth,GK. Bioinformatics . 2007

[6]

FiGS:a filter-based gene selectionworkbench for microarray data .2 Hwang T,Sun C H,Yun T,et al. BMC Bioinformatics . 2010

← 1 →