肺癌是世界公認(rèn)的發(fā)病率和死亡率較高的惡性腫瘤之一.肺癌在中國的形勢則更為嚴(yán)峻,其發(fā)病率和死亡率已躍居第一位.其中,肺腺癌（Lung Adenocarcinoma,LUAD）的發(fā)病率逐年增高且呈現(xiàn)激增趨勢,又因其病灶易轉(zhuǎn)移、患者就診不及時(shí),往往難以治愈.隨著基因檢測和基因診斷的興起,肺腺癌的早期預(yù)防和診療出現(xiàn)了新的契機(jī).然而,基因的數(shù)量成千上萬,若對每一位患者的全基因組進(jìn)行測序,存在效率低和成本高的弊端.若能對基因進(jìn)行分類,利用同類基因在表達(dá)上具有相似性的特點(diǎn),則可以減少基因檢測的工作量.本文以美國國立生物技術(shù)信息中心（NCBI）中肺腺癌患者基因數(shù)據(jù)為研究對象,運(yùn)用統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)方法構(gòu)建分類器,對致病關(guān)鍵基因進(jìn)行分類.在研究過程中,創(chuàng)新性地提出因子分析-SMOTE-KNN/邏輯回歸/AdaBoost分類模型,因子分析用于分類和標(biāo)注,SMOTE采樣用于平衡數(shù)據(jù),分類算法用于構(gòu)建多類別分類器,提高了分類效果,為指導(dǎo)臨床基因篩選節(jié)省經(jīng)濟(jì)成本和時(shí)間成本提供依據(jù).本文的主要工作如下:（1）對肺腺癌基因數(shù)據(jù)進(jìn)行預(yù)處理.首先,本文在P<0.001水平下,采用倍數(shù)法,選取了 |logFC|&g... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１：?ＫＮＮ基本思想??

＞ｔ？?ｊ－?■？＊？；ｒＷ＞＊??ｉ＊?入：》ｖ？Ｖ?ｉｖ＃?Ｗ?Ｖ＊ｎ?＜？?＊．Ｗ？＇Ｐ?ＪＪ?��？？？？？?）＜＾＜ＡＯＩ?ｉ＞＊：?Ｉ．?１Ｖ＜?Ｈ?＞：?Ｍ？Ｗ，?＾ＴＶ？Ｕ?ｉｓ?？，?？０？?＇＊?？?ｗｒ？．ｖ＊ｖ??Ｉ＊?？？？＊?ｗ?ｕｉａ?ｖ?ｗ．ａｓ＃Ｍ？－５？ｆｃ．．？Ｍ？?＊?ａ?ｕｓｍｊ?？ａ？．?ｉ?：?？ｒ？?ｋ?？．ｉｖ？ｖ?／ｍＭＭ％?＊?？ｆ〇ｅｉ＊？？?ｎ?ｔ＜ａ?ａ?ｕ?＞？？？？；??（ａ）?（ｂ）?（ｃ）??圖３．２：差異基因部分截圖??假設(shè)腫瘤樣本為而ｅ?Ｒｄ，?ｉ?＝?１，２，?？?？?？?，?５７，確定采樣倍數(shù)ｉＶ，使得新的樣本??數(shù)為變量５倍以上．近鄰樣本個(gè)數(shù)＝?５，近鄰樣本確定方法采用歐氏距離．操??作步驟如下：??（１）在歐氏距離下，找到距離樣本而，最近的５個(gè)樣本，記為而（ｎｅａｒ），?ｎｅａｒ?￡??｛１，２，…？，５｝．??（２）隨機(jī)選擇ｎｎ?￡?｛１，２，…，５｝，得到樣本叫??（３）隨機(jī)生成向量?ｃ?＝?（６，＆，…，６ｉ）Ｔ，其中?６：?￡?（〇，１），ｉ?＝?ｉ，２，．．．，ｄ，合成新??樣本?Ｘｊｎｅｉｔ）．??？＾ｉｎｅｗ?＿?工ｉ?＋?Ｃ?．（工ｉ（ｎｎ）?一?－＾ｉ）?？??⑷將步驟⑵－⑶重復(fù)ｉｖ次，即從Ｘｉ出發(fā)得到ＴＶ個(gè)新合成樣本而＿，ｎｅｉｏ?ｅ??｛１，２，．．．，ｉＶ｝．??（５）將步驟（１）－（４）重復(fù)５７次，即得到５７?＊?ＴＶ個(gè)新合成樣本．??（６）將原腫瘤樣本與新合成樣本合并，作為新的原始樣本．??對于新的原始樣本采用極值處理法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，消除量綱和量級的影??響．??３．６評價(jià)標(biāo)準(zhǔn)??

?山東大學(xué)碩士學(xué)位論文???數(shù)據(jù)ｍｓ３??１?■??——宏褚輯半??０９?—宏召涔率??０．８?．?｜…鐲罕－??Ｑ．７?＋＿＋．＋?＋■?＋?．＋．＋？＋．＋？‘丄??＋?＋?＋?＋?＋＋十＋?＋＋？＋．＋?＋?＋？＋？＋■＋??＾?〇ｅ??蠢〇５‘??—０．４?．??０．３?■??〇．２＼兩一、??〇１?？??０??１?＇?１?＇?１?＇??５?１０?１５?２０?２５?３０??Ｋ的取值??圖４．１：?ＫＮＮ評價(jià)指標(biāo)??可以看到，四個(gè)評價(jià)指標(biāo)隨著Ｋ值的增大，呈現(xiàn)先下降后上升再下降的趨??勢．?dāng)?shù)據(jù)集＆各項(xiàng)指標(biāo)波動較大，這是因?yàn)閿?shù)據(jù)集＆較小，在＊５折交叉驗(yàn)證??中，各項(xiàng)指標(biāo)對訓(xùn)練集和驗(yàn)證集劃分的依賴性較大．相比較之下，數(shù)據(jù)集＆和??＆各項(xiàng)指標(biāo)在Ｋ值超過一個(gè)數(shù)值后趨于平穩(wěn)．??根據(jù)圖像，在此將Ｋ?＝?１，２，．．．，１０時(shí)的準(zhǔn)確率和宏Ｒ值做對比．由??表４．１０可知，數(shù)據(jù)集＆在Ｋ?＝?１，９，１０時(shí)有較高的準(zhǔn)確率，數(shù)據(jù)集＆在Ｋ?＝?１，４??時(shí)有較高的準(zhǔn)確率，數(shù)據(jù)集而在Ｋ?＝?１，３時(shí)有較高的準(zhǔn)確率．但Ｋ?＝?１時(shí)容??易分類結(jié)果容易受到周圍噪聲的影響，實(shí)際運(yùn)用時(shí)不建議選取．??｜１丨２?丨３丨４?一?５丨６?７?｜?８?｜?９?｜?１０￣??｜?準(zhǔn)確率?０．６１７１?０．５０４５?０．５４５０?０．５１３５?０．５１８０?０．５８１１?０．５４０５?０．５８１１?０．６０８１?０．６０８１??Ｓ＇?宏?Ｇ?０．４０７９?０．２４８２?０．２５５６?０．２２４１?０．２３３４?０．２８０２?０．２６６５?０．２７４４?０．２８５９?０．２８６７??準(zhǔn)

【參考文獻(xiàn)】：
期刊論文
[1]樹狀高分子載體在前列腺癌基因治療中的應(yīng)用[J]. 竇小鋒,林梅.  臨床誤診誤治. 2019(12)
[2]綜合評價(jià)中數(shù)據(jù)標(biāo)準(zhǔn)化方法比較研究[J]. 劉競妍,張可,王桂華.  數(shù)字技術(shù)與應(yīng)用. 2018(06)
[3]肺腺癌的治療現(xiàn)狀[J]. 王斌,張雨潔.  世界最新醫(yī)學(xué)信息文摘. 2018(45)
[4]基于HBase的多分類邏輯回歸算法研究[J]. 劉黎志,鄧介一,吳云韜.  計(jì)算機(jī)應(yīng)用研究. 2018(10)
[5]大數(shù)據(jù)背景下的生物信息學(xué)研究現(xiàn)狀[J]. 王俊,郭麗,吳建盛,湯麗華,胡棟.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[6]生物信息學(xué)研究概述[J]. 李淮.  開封教育學(xué)院學(xué)報(bào). 2017(06)
[7]腺病毒介導(dǎo)基因治療與病毒治療前列腺癌的靶向研究進(jìn)展[J]. 蔡忠林,劉強(qiáng)照,周川,李慧,李文娟,魏緒磐,周逢海.  現(xiàn)代泌尿外科雜志. 2017(11)
[8]線性無量綱化方法比較研究[J]. 詹敏,廖志高,徐玖平.  統(tǒng)計(jì)與信息論壇. 2016(12)
[9]癌癥基因診斷的現(xiàn)狀與未來[J]. 鄭大為,鄭文嶺.  家庭醫(yī)學(xué). 2016(08)
[10]基因表達(dá)差異譜數(shù)據(jù)的顯著性分析方法[J]. 劉正龍,王洪平,楊艷梅,羅玉軍.  數(shù)理醫(yī)藥學(xué)雜志. 2015(02)



本文編號：3532961