基于基因表達(dá)數(shù)據(jù),從海量基因中選擇疾病相關(guān)基因?qū)斫饧膊〉陌l(fā)生發(fā)展、促進(jìn)疾病診斷和治療具有重要意義。目前大多研究工作基于基因表達(dá)差異尋找疾病基因,難以發(fā)現(xiàn)差異表達(dá)較小的疾病相關(guān)基因,而通過(guò)差異網(wǎng)絡(luò)獲得的功能數(shù)據(jù)能夠較好地體現(xiàn)基因在單個(gè)樣本中的功能變化水平,發(fā)現(xiàn)非差異表達(dá)的疾病相關(guān)基因。為了充分搜索到疾病相關(guān)基因,本文將分別基于平衡及不平衡的基因表達(dá)數(shù)據(jù),設(shè)計(jì)融合基因表達(dá)數(shù)據(jù)和功能數(shù)據(jù)的疾病基因選擇方法。該方法既能夠挖掘表達(dá)差異大的基因,又能夠發(fā)現(xiàn)表達(dá)差異較小但功能發(fā)生改變的基因。本文的主要研究工作如下:（1）本文提出了融合基因表達(dá)數(shù)據(jù)和功能數(shù)據(jù)的疾病基因挖掘算法（GFDGM）。傳統(tǒng)基于基因表達(dá)數(shù)據(jù)的差異分析方法難以選擇表達(dá)差異小但功能上與疾病相關(guān)的基因。針對(duì)該問(wèn)題,本文提出一種融合基因表達(dá)數(shù)據(jù)和功能數(shù)據(jù)的疾病基因挖掘算法。首先,利用樣本特異網(wǎng)絡(luò)方法構(gòu)建反映基因功能變化的差異網(wǎng)絡(luò)。其次,基于差異網(wǎng)絡(luò)量化每個(gè)基因在功能變化上的程度,即功能數(shù)據(jù),再融合基因表達(dá)數(shù)據(jù)和功能數(shù)據(jù)。最后,為了使融合數(shù)據(jù)基因間冗余程度小、關(guān)聯(lián)程度大,基于互信息設(shè)計(jì)了一種非支配排序基因選擇方法挖掘疾病相關(guān)基因。實(shí)驗(yàn)結(jié)果... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于基因表達(dá)數(shù)據(jù)的疾病基因選擇
        1.2.2 基于不平衡基因表達(dá)數(shù)據(jù)的疾病基因選擇
        1.2.3 數(shù)據(jù)融合方法的研究現(xiàn)狀
    1.3 本文的工作與安排
第二章 相關(guān)理論及算法
    2.1 基因表達(dá)數(shù)據(jù)相關(guān)理論
        2.1.1 基因表達(dá)數(shù)據(jù)
        2.1.2 基于基因表達(dá)數(shù)據(jù)的基因網(wǎng)絡(luò)
    2.2 不平衡基因表達(dá)數(shù)據(jù)相關(guān)理論
        2.2.1 不平衡基因表達(dá)數(shù)據(jù)概述
        2.2.2 不平衡基因表達(dá)數(shù)據(jù)性能評(píng)估
    2.3 疾病相關(guān)基因選擇方法
        2.3.1 特征選擇算法理論
        2.3.2 差異表達(dá)分析方法
        2.3.3 通路分析方法
    2.4 多目標(biāo)進(jìn)化優(yōu)化算法相關(guān)理論
    2.5 本章小結(jié)
第三章 融合基因表達(dá)數(shù)據(jù)和功能數(shù)據(jù)的疾病基因挖掘算法
    3.1 算法思想
    3.2 數(shù)據(jù)融合方法和算法流程
        3.2.1 構(gòu)建差異網(wǎng)絡(luò)
        3.2.2 融合數(shù)據(jù)
        3.2.3 基因選擇
        3.2.4 算法流程
    3.3 實(shí)驗(yàn)
        3.3.1 數(shù)據(jù)集描述
        3.3.2 實(shí)驗(yàn)算法描述
        3.3.3 參數(shù)設(shè)置
        3.3.4 分類準(zhǔn)確率
        3.3.5 樣本類型分布
        3.3.6 疾病相關(guān)基因
    3.4 本章小節(jié)
第四章 融合不平衡數(shù)據(jù)的疾病基因挖掘算法
    4.1 算法思想
    4.2 算法流程
        4.2.1 IFDGS的數(shù)據(jù)融合策略
        4.2.2 IFDGS初始化策略
        4.2.3 IFDGS交叉算子
        4.2.4 IFDGS變異算子
        4.2.5 IFDGS評(píng)價(jià)函數(shù)和目標(biāo)函數(shù)
        4.2.6 IFDGS算法流程
    4.3 實(shí)驗(yàn)與分析
        4.3.1 實(shí)驗(yàn)設(shè)置
        4.3.2 實(shí)驗(yàn)結(jié)果分析
        4.3.3 融合數(shù)據(jù)有效性分析
        4.3.4 初始化和交叉變異算子有效性分析
    4.4 本章小結(jié)
結(jié)論
    工作總結(jié)
    未來(lái)展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)成果
攻讀碩士學(xué)位期間參與的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]高維小樣本分類問(wèn)題中特征選擇研究綜述[J]. 王翔,胡學(xué)鋼.  計(jì)算機(jī)應(yīng)用. 2017(09)
[2]A Feature Selection Method for Prediction Essential Protein[J]. Jiancheng Zhong,Jianxin Wang,Wei Peng,Zhen Zhang,Min Li.  Tsinghua Science and Technology. 2015(05)
[3]分子診斷在癌癥早期診斷中的研究現(xiàn)狀及展望[J]. 樊江平,鐘理,董曉民,薛雯,羅杰.  中國(guó)實(shí)驗(yàn)診斷學(xué). 2012(10)
[4]基因表達(dá)譜芯片的數(shù)據(jù)分析[J]. 吳斌,沈自尹.  世界華人消化雜志. 2006(01)

碩士論文
[1]微陣列基因表達(dá)數(shù)據(jù)混合特征算法研究[D]. 董文娟.沈陽(yáng)工業(yè)大學(xué) 2017
[2]基因表達(dá)譜的腫瘤特征基因提取研究分析[D]. 尹蕾.西安建筑科技大學(xué) 2014



本文編號(hào)：3546768