【摘要】：隨著基因組學(xué)和生物信息學(xué)的飛速發(fā)展,越來(lái)越多的研究證明IncRNA廣泛參與了大量生物學(xué)調(diào)控過(guò)程,尤其是在人類(lèi)疾病的發(fā)生、發(fā)展和防治中扮演著重要角色。在海量基因表達(dá)數(shù)據(jù)中對(duì)IncRNA進(jìn)行特征挖掘與功能預(yù)測(cè)已成為學(xué)術(shù)界和工業(yè)界共同關(guān)注的熱點(diǎn)。特別是對(duì)與疾病密切相關(guān)的關(guān)鍵IncRNA進(jìn)行預(yù)測(cè),能夠揭示疾病成因與機(jī)制,具有極高的生物醫(yī)學(xué)價(jià)值。然而IncRNA基因表達(dá)數(shù)據(jù)規(guī)模龐大、結(jié)構(gòu)復(fù)雜,從中精確定位少量的關(guān)鍵IncRNA是一個(gè)巨大的挑戰(zhàn)。機(jī)器學(xué)習(xí)因其優(yōu)秀的解決問(wèn)題與自主學(xué)習(xí)能力,成為解決IncRNA特征挖掘與功能預(yù)測(cè)問(wèn)題的一大利器。本課題針對(duì)基因表達(dá)數(shù)據(jù)中的關(guān)鍵IncRNA預(yù)測(cè),進(jìn)行了相關(guān)的調(diào)查、研究、實(shí)驗(yàn)和分析;引入機(jī)器學(xué)習(xí)技術(shù),融合BPSO智能算法與ELM學(xué)習(xí)算法提出了-一種新型智能預(yù)測(cè)模型,實(shí)現(xiàn)了關(guān)鍵IncRNA預(yù)測(cè)系統(tǒng)并開(kāi)展相關(guān)實(shí)驗(yàn),具有重要的學(xué)術(shù)意義。本文主要工作如下:(1)對(duì)基因表達(dá)數(shù)據(jù)中關(guān)鍵IncRNA預(yù)測(cè)的研究策略進(jìn)行調(diào)研從IncRNA表達(dá)數(shù)據(jù)的特性與基因表達(dá)數(shù)據(jù)研究策略出發(fā),對(duì)常見(jiàn)的基因特征選擇框架進(jìn)行介紹、分析和比較,并將關(guān)鍵IncRNA進(jìn)行了數(shù)據(jù)分析角度定義,遞進(jìn)地闡述了基因表達(dá)數(shù)據(jù)中預(yù)測(cè)關(guān)鍵IncRNA的研究思路與整體策略。(2)構(gòu)建一種高效、精確、自適應(yīng)能力強(qiáng)的關(guān)鍵IncRNA預(yù)測(cè)模型提出一種基于改良二進(jìn)制粒子群算法和極限學(xué)習(xí)機(jī)的關(guān)鍵IncRNA預(yù)測(cè)模型(改良BPSO-ELM預(yù)測(cè)模型):采用BPSO算法對(duì)IncRNA特征組合優(yōu)化問(wèn)題進(jìn)行求解,同時(shí)利用ELM對(duì)每組候選IncRNA子集進(jìn)行評(píng)價(jià),并反饋給粒子群,指導(dǎo)粒子群朝著最優(yōu)位置移動(dòng),能夠高效地完成關(guān)鍵IncRNA的確定。(3)模型研發(fā)、驗(yàn)證與評(píng)估采集乳腺浸潤(rùn)性癌、結(jié)腸腺癌和肺腺癌數(shù)據(jù)三個(gè)典型數(shù)據(jù)集開(kāi)展實(shí)驗(yàn)。對(duì)實(shí)驗(yàn)的各種參數(shù)進(jìn)行了精確調(diào)整,并從統(tǒng)計(jì)學(xué)、算法對(duì)比、生物信息學(xué)三個(gè)角度對(duì)我們的實(shí)驗(yàn)結(jié)果進(jìn)行分析。模型在三個(gè)數(shù)據(jù)集上都能取得較好的效果,僅需選取10個(gè)關(guān)鍵IncRNA即可對(duì)樣本的患病狀況實(shí)現(xiàn)93.5%以上的預(yù)測(cè)精度,且與其他經(jīng)典方法相比具有明顯的速度優(yōu)勢(shì)。
【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP181;Q811.4
【圖文】：

邐福州大學(xué)工程碩士學(xué)位論文邐逡逑１．２國(guó)內(nèi)外研究現(xiàn)狀邐？逡逑ｌｎｃＲＮＡ最初被認(rèn)為是基因轉(zhuǎn)錄產(chǎn)生的欺騙性副產(chǎn)物，無(wú)法行使生物學(xué)功能，逡逑但是受到ＲＮＡ編輯現(xiàn)象的啟示，越來(lái)越多專(zhuān)家學(xué)者開(kāi)始關(guān)注這一神秘分子逡逑自２００９年起，一系列工作表明，ＩｎｃＲＮＡ不僅廣泛存在于各種生物，而且可以在逡逑多種水平影響著基因表達(dá)，在生命活動(dòng)的不同領(lǐng)域發(fā)揮調(diào)控作用１８］�，F(xiàn)階段，逡逑ＩｎｃＲＮＡ基因芯片技術(shù)發(fā)展趨于成熟穩(wěn)定，已經(jīng)能很好地解決傳統(tǒng)核酸印跡雜交逡逑技術(shù)操作繁瑣、自動(dòng)化程度低、無(wú)法批量檢測(cè)等不足。應(yīng)用基因芯片技術(shù)設(shè)計(jì)不逡逑同探針進(jìn)行實(shí)驗(yàn)?zāi)軠?zhǔn)確快捷地生成海量ＩｎｃＲＮＡ信息，為ＩｎｃＲＮＡ研宄提供了可逡逑靠的數(shù)據(jù)支持。因此對(duì)ＩｎｃＲＮＡ的研宄從復(fù)雜、繁瑣、效率低的傳統(tǒng)雜交技術(shù)操逡逑作，逐漸轉(zhuǎn)向?qū)Ａ浚桑睿悖遥危帘磉_(dá)數(shù)據(jù)進(jìn)行挖掘分析的生物信息學(xué)研宄。逡逑

測(cè)模型和其他經(jīng)典方法進(jìn)行比較，驗(yàn)證預(yù)測(cè)模型的性能。逡逑總結(jié)與展望：總結(jié)全文工作內(nèi)容，展望下一步工作。逡逑整體組織結(jié)構(gòu)如圖１－２所示：逡逑〔邐第二章研究策略逡逑＾（關(guān)鍵ＩｎｃＲＮＡ與基達(dá)數(shù)據(jù)特征選擇逡逑ｆ邐第三章核心＾術(shù)介紹與優(yōu)化邋＾逡逑＾邋（二進(jìn)制粒子群算法與極限學(xué)習(xí)機(jī)）」逡逑ｆ邐第四章數(shù)彳Ｚ采集與分析邐＾逡逑Ｉ邋（數(shù)據(jù)采集、分ｇ與數(shù)據(jù)預(yù)處理）Ｊ逡逑Ｉ逡逑ｆ邐第五章系統(tǒng)設(shè)計(jì)逡逑初步特征選擇、改良ＢＰＳＯ－ＥＬＭ關(guān)鍵丨ｎｃＲＮＡ預(yù)測(cè)模型）＾逡逑＂＂＂邐暴邐—逡逑（￣第六章￡驗(yàn)分析￣＾逡逑、（模型性能分析與比較）Ｊ逡逑ｆ逡逑總結(jié)與展望Ｉ逡逑Ｖ邐Ｊ逡逑圖１－２論文組織結(jié)構(gòu)逡逑６逡逑

邐基因表達(dá)數(shù)據(jù)中基于機(jī)器學(xué)習(xí)的關(guān)鍵ＩｎｃＲＮＡ預(yù)測(cè)研究邐逡逑本的分類(lèi)效果來(lái)評(píng)估基因?qū)颖净疾∏闆r的影響程度。目前在ＤＮＡ與疾病關(guān)系逡逑研究領(lǐng)域，己有較多的學(xué)者專(zhuān)家進(jìn)行了相關(guān)的研究。例：文獻(xiàn)［４２］提出了一種基于逡逑輸出不一致測(cè)度的極限學(xué)習(xí)機(jī)集成算法，該研宄方法在經(jīng)典白血病數(shù)據(jù)集【４３Ｕｌ能逡逑以少量的關(guān)鍵基因取得較穩(wěn)定的預(yù)測(cè)效果。Ｗｒａｐｐｅｒ框架模型如下所示：逡逑／

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王長(zhǎng)本,劉興暉,王偉靈,周新;基因表達(dá)數(shù)據(jù)的聚類(lèi)分析[J];國(guó)外醫(yī)學(xué)(臨床生物化學(xué)與檢驗(yàn)學(xué)分冊(cè));2004年04期

2 王修竹;劉自偉;齊陽(yáng);鮑競(jìng);;基因表達(dá)數(shù)據(jù)的預(yù)處理方法[J];兵工自動(dòng)化;2006年07期

3 孔薇;牟曉陽(yáng);;基于大腦不同區(qū)域的阿爾茨海默癥基因表達(dá)數(shù)據(jù)分析[J];上海交通大學(xué)學(xué)報(bào);2013年06期

4 馬李冰;侯艷;李貞子;李康;;多步驟決策樹(shù)方法在基因表達(dá)數(shù)據(jù)上的應(yīng)用研究[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2017年01期

5 莊振華;王年;李學(xué)俊;梁棟;王繼;;癌癥基因表達(dá)數(shù)據(jù)的熵度量分類(lèi)方法[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

6 劉英;;蛋白質(zhì)網(wǎng)絡(luò)和基因表達(dá)數(shù)據(jù)與癌癥轉(zhuǎn)移的預(yù)測(cè)[J];國(guó)際藥學(xué)研究雜志;2008年02期

7 顧明亮;為基因表達(dá)數(shù)據(jù)的發(fā)表制訂標(biāo)準(zhǔn)[J];基礎(chǔ)醫(yī)學(xué)與臨床;2002年04期

8 劉瓏龍;周西龍;劉雪峰;;基于遺傳算法和學(xué)習(xí)向量化網(wǎng)絡(luò)的基因表達(dá)數(shù)據(jù)的閾值分析[J];中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年12期

9 孔薇;陶偉杰;牟曉陽(yáng);;基于非負(fù)矩陣分解的大腦不同區(qū)域基因表達(dá)數(shù)據(jù)分析[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2012年06期

10 趙潔茹;;淺談模式識(shí)別中的支持向量機(jī)技術(shù)分析腫瘤基因表達(dá)數(shù)據(jù)[J];科技資訊;2011年33期

相關(guān)會(huì)議論文 前8條

1 劉會(huì)娟;侯艷;李康;;ARTIVA在時(shí)間序列基因表達(dá)數(shù)據(jù)網(wǎng)絡(luò)構(gòu)建中的應(yīng)用[A];2017年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)學(xué)術(shù)年會(huì)論文集[C];2017年

2 楊昆;李建中;王朝坤;徐繼偉;;基因表達(dá)數(shù)據(jù)的基于類(lèi)別樹(shù)和SVMs的多類(lèi)癌癥分類(lèi)算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

3 霍煜;袁德成;;基于PCA和DE-ELM的肝癌基因表達(dá)數(shù)據(jù)分析[A];2018中國(guó)自動(dòng)化大會(huì)(CAC2018)論文集[C];2018年

4 崔光照;曹祥紅;張華;;基于小波變換的基因表達(dá)數(shù)據(jù)去噪聚類(lèi)分析[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

5 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計(jì)科學(xué)討論會(huì)論文集[C];2008年

6 馮晶;夏冉;曾勇華;劉娟;周懷北;;腫瘤基因表達(dá)數(shù)據(jù)庫(kù)系統(tǒng)[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

7 梅楨;申琦;冶保獻(xiàn);;用于基因表達(dá)數(shù)據(jù)模式識(shí)別的KNN和SVM集成算法[A];中國(guó)化學(xué)會(huì)第26屆學(xué)術(shù)年會(huì)化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)分會(huì)場(chǎng)論文集[C];2008年

8 王章輝;趙宇海;王國(guó)仁;李源;;一種基于投影聚類(lèi)的無(wú)監(jiān)督表型區(qū)分算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 姜濤;基因表達(dá)數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2016年

2 陸慧娟;基于基因表達(dá)數(shù)據(jù)的腫瘤分類(lèi)算法研究[D];中國(guó)礦業(yè)大學(xué);2012年

3 張麗娟;微陣列基因表達(dá)數(shù)據(jù)分類(lèi)問(wèn)題中的屬性選擇技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

4 黃德生;基因表達(dá)數(shù)據(jù)在腫瘤診斷、基因功能預(yù)測(cè)中的應(yīng)用研究[D];中國(guó)醫(yī)科大學(xué);2009年

5 劉亞杰;基于智能優(yōu)化算法的腫瘤微陣列基因表達(dá)數(shù)據(jù)分類(lèi)研究[D];云南大學(xué);2014年

6 王文俊;基因表達(dá)數(shù)據(jù)的相似性度量和特征提取研究[D];西安電子科技大學(xué);2011年

7 毛志毅;基因表達(dá)數(shù)據(jù)基因篩選與近紅外光譜微量成分模型優(yōu)化方法研究[D];南開(kāi)大學(xué);2014年

8 楊博;基因調(diào)控網(wǎng)絡(luò)構(gòu)建及在癌癥基因預(yù)測(cè)中的應(yīng)用[D];西安電子科技大學(xué);2014年

9 殷路;基因表達(dá)數(shù)據(jù)的雙聚類(lèi)分析與研究[D];電子科技大學(xué);2017年

10 石金龍;基因表達(dá)及其轉(zhuǎn)錄調(diào)控機(jī)制的計(jì)算分析[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 吳韻怡;基于深度學(xué)習(xí)的基因表達(dá)數(shù)據(jù)處理在藥效預(yù)測(cè)上的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2019年

2 楊磊;面向基因表達(dá)數(shù)據(jù)的代價(jià)敏感學(xué)習(xí)優(yōu)化方法[D];中國(guó)計(jì)量大學(xué);2018年

3 侯永杰;基于規(guī)則的跨平臺(tái)基因表達(dá)數(shù)據(jù)分類(lèi)研究[D];廣東工業(yè)大學(xué);2019年

4 劉煜;基因表達(dá)數(shù)據(jù)中基于機(jī)器學(xué)習(xí)的關(guān)鍵lncRNA預(yù)測(cè)研究[D];福州大學(xué);2018年

5 宋飛豹;遺傳聚類(lèi)算法的改進(jìn)及其在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用[D];安徽大學(xué);2019年

6 楊燴婷;雙聚類(lèi)算法及其在基因表達(dá)數(shù)據(jù)分析中應(yīng)用研究[D];吉林大學(xué);2019年

7 劉圣輝;基于基因表達(dá)數(shù)據(jù)的新型特征提取算法研究[D];山東大學(xué);2018年

8 夏春秋;融合自訓(xùn)練和低秩表示的基因表達(dá)數(shù)據(jù)癌癥分類(lèi)方法[D];南京理工大學(xué);2018年

9 余顯學(xué);基于基因表達(dá)數(shù)據(jù)的癌癥亞型發(fā)現(xiàn)雙聚類(lèi)方法研究[D];西南大學(xué);2018年

10 劉鴻儒;面向基因表達(dá)數(shù)據(jù)快速聚類(lèi)的算法研究[D];哈爾濱工業(yè)大學(xué);2018年

本文編號(hào)：2786904