癌癥日益威脅著人類的生存和健康,可能以不同的形式發(fā)生于人體的不同部位,形成不同類型的癌癥。即便同種類型的癌癥也會(huì)由于不同的基因突變表現(xiàn)為不同的亞型,給常規(guī)的癌癥診斷和治療帶來(lái)困難。為了能夠給癌癥患者制定合理有效的個(gè)體化治療方案,準(zhǔn)確地進(jìn)行癌癥多亞型分類,并確定相關(guān)關(guān)鍵致病基因至關(guān)重要。本文即針對(duì)現(xiàn)有的與癌癥多亞型分類相關(guān)的生物信息學(xué)方法展開(kāi)研究和分析,首先針對(duì)癌癥多亞型分類和關(guān)鍵致病基因選擇設(shè)計(jì)了零隱藏層神經(jīng)網(wǎng)絡(luò)—彈性網(wǎng)正則化的Softmax回歸(Elastic Net Regularized Softmax Regression,ENRSR)模型,該模型基于各個(gè)基因的表達(dá)譜進(jìn)行分類,并通過(guò)彈性網(wǎng)正則化實(shí)現(xiàn)稀疏約束,在進(jìn)行癌癥多亞型分類的同時(shí)完成了關(guān)鍵致病基因的選擇。本文分別在仿真數(shù)據(jù)和三組基因表達(dá)譜數(shù)據(jù)(乳腺癌、小圓藍(lán)細(xì)胞瘤和白血病)上對(duì)ENRSR模型進(jìn)行仿真研究,通過(guò)k-折交叉驗(yàn)證和分類結(jié)果的BCubed F值得分評(píng)估模型分類性能,并和傳統(tǒng)的分類方法,如K-means、層次聚類、非負(fù)矩陣分解、期望最大化、支持向量機(jī)和隨機(jī)森林等方法進(jìn)行比較。仿真結(jié)果表明,ENRSR模型在癌癥多亞型分...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 課題背景及意義
    1.2 課題研究現(xiàn)狀
    1.3 課題研究?jī)?nèi)容
    1.4 本文的結(jié)構(gòu)
2 癌癥亞型分類的生物信息學(xué)方法
    2.1 數(shù)據(jù)預(yù)處理
    2.2 特征選擇方法
    2.3 癌癥分型方法
    2.4 分類性能評(píng)估方法
    2.5 本章小結(jié)
3 基于彈性網(wǎng)正則化Softmax回歸的癌癥多亞型分類及關(guān)鍵致病基因選擇
    3.1 Softmax回歸
    3.2 彈性網(wǎng)正則化
    3.3 基于彈性網(wǎng)正則化Softmax回歸的癌癥多亞型分類方法
    3.4 ENRSR算法的實(shí)現(xiàn)
    3.5 實(shí)驗(yàn)結(jié)果及分析
    3.6 本章小結(jié)
4 基于多層神經(jīng)網(wǎng)絡(luò)的癌癥多亞型分類及關(guān)鍵致病基因選擇
    4.1 多層神經(jīng)網(wǎng)絡(luò)
    4.2 多層神經(jīng)網(wǎng)絡(luò)的稀疏性
    4.3 基于多層神經(jīng)網(wǎng)絡(luò)的癌癥多亞型分類方法
    4.4 MLNN算法的實(shí)現(xiàn)
    4.5 實(shí)驗(yàn)結(jié)果及分析
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3984080