改進(jìn)的特征選擇算法及其在miRNA與靶基因網(wǎng)絡(luò)分析上的應(yīng)用
本文關(guān)鍵詞： 特征選擇 基因芯片數(shù)據(jù) miRNA靶基因網(wǎng)絡(luò) mi RNA-靶基因?qū)?/strong> 出處：《吉林大學(xué)》2017年碩士論文 論文類型：學(xué)位論文
【摘要】：目前,癌癥是威脅人類生命健康的一大殺手,因此研究癌癥的致病機(jī)理成為當(dāng)前的研究熱點之一。如果能夠根據(jù)腫瘤標(biāo)志物的情況來判斷癌癥的產(chǎn)生情況,顯然對預(yù)防和治療癌癥都是有益的。有研究發(fā)現(xiàn),差異表達(dá)的基因和miRNA有作為腫瘤標(biāo)志物的潛力。miRNA是一種類型小的非編碼RNA,并且參與很多生物過程,例如在維持干細(xì)胞,組織發(fā)展及細(xì)胞代謝中發(fā)揮著重要的作用,miRNA參與靶向基因的轉(zhuǎn)錄來影響其表達(dá)情況。在人類基因組中大約有4%的基因是miRNA,miRNA的異常表達(dá)通常會導(dǎo)致靶向基因的異常表達(dá),從而導(dǎo)致細(xì)胞功能改變,如細(xì)胞分化,增殖,甚至死亡。很多研究表明,miRNA參與癌癥在人體內(nèi)的生物過程,因此研究miRNA的表達(dá)行為對診斷與治療癌癥是非常有意義的。近年來高通量測序技術(shù)得到迅速發(fā)展,該項技術(shù)有高通量、簡單、運(yùn)算方便等優(yōu)點。研究人員使用基因芯片技術(shù)得到多種癌癥的基因和miRNA表達(dá)數(shù)據(jù),然后對這些數(shù)據(jù)使用分析手段獲取差異表達(dá)的基因和miRNA,最后根據(jù)需要做后繼分析。但是使用基因芯片技術(shù)得到的表達(dá)數(shù)據(jù),具有高維小樣本的特點,即成千上萬基因或者miRNA表達(dá)數(shù)據(jù)僅有幾十個樣本數(shù)據(jù),這樣給分析過程帶來一定的困難。為了解決這一問題,一般在分析之前嘗試給數(shù)據(jù)降維,特征選擇方法是目前比較常見的數(shù)據(jù)降維手段。使用優(yōu)秀的特征選擇算法,即性能穩(wěn)定且特征子集分類準(zhǔn)確性高的算法,對后續(xù)分析過程有很大的幫助。本文主要關(guān)注過濾式特征選擇算法,該類算法相對其他類型的特征選擇算法具有簡單、快速和穩(wěn)定的特點。在本文中,我們對最大相關(guān)最小冗余(m RMR)特征選擇方法進(jìn)行改進(jìn)。近年來,很多研究關(guān)注使用成對的樣本數(shù)據(jù),為了增強(qiáng)算法的穩(wěn)定性,本文使用成對的樣本數(shù)據(jù)和集成策略對算法進(jìn)行改進(jìn),提出一個更加穩(wěn)定的特征選擇算法。在本文的實驗分析部分,我們使用六個癌癥數(shù)據(jù)集進(jìn)行實驗,與其他一些特征選擇方法比較,我們提出的算法具有更高的準(zhǔn)確率和更好的穩(wěn)定性。為了研究癌癥的致病機(jī)理,關(guān)注異常表達(dá)的miRNA和基因以及兩者之間的靶向關(guān)系是十分重要的。在本文中,我們提出了一個改進(jìn)的多步驟分析法來構(gòu)建miRNA與靶向基因的關(guān)系網(wǎng)絡(luò),分析miRNA-靶向基因?qū)χg的關(guān)系。首先,使用改進(jìn)的特征選擇算法獲得差異表達(dá)的miRNA和基因。然后基于選定的miRNA和基因在腫瘤及其相應(yīng)的正常組織中的表達(dá)水平,使用皮爾森系數(shù)計算miRNA與基因之間的相關(guān)性,從而獲取具有負(fù)相關(guān)關(guān)系的miRNA-靶向基因?qū)�。最�?為了驗證我們的方法,使用三個靶基因預(yù)測數(shù)據(jù)庫篩選計算結(jié)果并進(jìn)行分析。在分析部分,使用四類癌癥芯片數(shù)據(jù),對每類癌癥計算結(jié)果經(jīng)數(shù)據(jù)庫篩選前和篩選后進(jìn)行展示。通過對結(jié)果的展示和生物學(xué)分析,可以看到使用我們的方法可以得到一些在靶基因預(yù)測數(shù)據(jù)庫中不曾出現(xiàn)的miRNA-靶向基因?qū)Α＿@些miRNA-靶向基因?qū)梢蕴峁┙o生物研究人員,為他們的研究工作縮小了范圍并提高了研究效率。
[Abstract]:In recent years , it is very important to study the expression of miRNA . In order to solve this problem , it is very important to study the expression of miRNA in human body . Finally , in order to validate our method , we use three target gene prediction databases to screen the results and analyze them . In the analysis part , we can get some miRNA - targeting gene pairs that have not appeared in the target gene prediction database by using the data of the four types of cancer chip .
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R73-3
【相似文獻(xiàn)】
相關(guān)會議論文 前5條
1 甄超;鄭濤;許潔萍;;音樂流派分類中特征選擇算法研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年
2 張仰森;曹元大;;最大熵建模方法中一種改進(jìn)的特征選擇算法[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2004年
3 張錚;胡社教;江萍;;基于EP模式的特征選擇算法[A];2011中國儀器儀表與測控技術(shù)大會論文集[C];2011年
4 周炎濤;唐劍波;王家琴;;基于信息熵的改進(jìn)TFIDF特征選擇算法[A];第二十六屆中國控制會議論文集[C];2007年
5 李文法;段m#毅;劉悅;孫春來;;一種面向流分類的特征選擇算法[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年
相關(guān)博士學(xué)位論文 前6條
1 王劍橋;基于局部特性的毫米波距離像識別方法研究[D];南京理工大學(xué);2014年
2 李云;特征選擇算法及其在基于內(nèi)容圖像檢索中的應(yīng)用研究[D];重慶大學(xué);2005年
3 劉華文;基于信息熵的特征選擇算法研究[D];吉林大學(xué);2010年
4 張靖;面向高維小樣本數(shù)據(jù)的分類特征選擇算法研究[D];合肥工業(yè)大學(xué);2014年
5 潘巍巍;故障嚴(yán)重程度識別的有序分類特征分析方法[D];哈爾濱工業(yè)大學(xué);2013年
6 張嘉偉;心電圖形態(tài)特征的識別及其在分類中的作用研究[D];華東師范大學(xué);2011年
相關(guān)碩士學(xué)位論文 前10條
1 徐嬌;基于Hadoop的文本特征選擇算法的研究[D];蘭州大學(xué);2015年
2 朱艷玲;基于聚類的多層特征選擇算法的研究與應(yīng)用[D];鄭州輕工業(yè)學(xué)院;2015年
3 周p，
本文編號：1527747
本文鏈接：http://sikaile.net/kejilunwen/jiyingongcheng/1527747.html
