發(fā)布時間：2022-02-18 12:58

　　目的使用高斯核函數(shù)和歐式距離函數(shù)改進(jìn)微陣列顯著分析法（significance analysis of microarray,SAM）得到MSAM1法（modified significance analysis of microarray-1,MSAM1）和MSAM2法（modified significance analysis of microarray-2,MSAM2）,與SAM法、Relief法、支持向量機(jī)遞歸特征消除法（support vector machine recursive feature elimination, SVM-RFE）進(jìn)行對比,評價在基因表達(dá)數(shù)據(jù)中MSAM1法、MSAM2法的基因選擇和分類預(yù)測能力。方法從Bioconductor中的golubEsets包獲得leukemia數(shù)據(jù)集（Golub等人給出了該數(shù)據(jù)集所包含的50個差異基因）,運用R軟件實現(xiàn)5種算法,分別用正確率和ROC曲線下面積即AUC值評價基因選擇能力和分類預(yù)測能力,用Kruskal-Wallis H檢驗比較5種方法的正確率和AUC值的組間差異,進(jìn)一步的兩兩比較采用SNK-q檢驗。結(jié)果正確... 

【文章來源】：實用預(yù)防醫(yī)學(xué). 2020,27(12)

【文章頁數(shù)】：4 頁

【文章目錄】：
1 原理與方法
    1.1 SAM
    1.2 加權(quán)SAM法
        1.2.1 高斯核函數(shù)(Gaussian kernel)加權(quán)SAM法(MSAM1)
        1.2.2 歐式距離(Euclidean distance)加權(quán)SAM法(MSAM2)
    1.3 支持向量機(jī)(support vector machine,SVM)
    1.4 Relief法
    1.5 統(tǒng)計學(xué)方法
2 結(jié) 果
    2.1 數(shù)據(jù)的離群值情況
    2.2 5種方法正確率和AUC值的比較
    2.3 5種方法篩選出的差異基因的比較
3 討 論


【參考文獻(xiàn)】：
期刊論文
[1]高維組學(xué)數(shù)據(jù)的變量篩選方法及其應(yīng)用[J]. 侯艷,謝宏宇,張曉鳳,李康.  中國衛(wèi)生統(tǒng)計. 2016(03)
[2]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報. 2011(01)
[3]微陣列數(shù)據(jù)癌癥分類問題中的基因選擇[J]. 張麗娟,李舟軍.  計算機(jī)研究與發(fā)展. 2009(05)
[4]關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機(jī)[J]. 張學(xué)工.  自動化學(xué)報. 2000(01)



本文編號：3630882