隨著基因微陣列技術(shù)的發(fā)展,人們對于基因表達(dá)譜數(shù)據(jù)的研究逐漸成為了生物信息學(xué)的研究熱點。這些研究為我們認(rèn)識和理解生命現(xiàn)象提供了全新的思路與方式。而近年來,機器學(xué)習(xí)憑借其在模式識別與數(shù)據(jù)挖掘領(lǐng)域的出色表現(xiàn),受到了生物信息學(xué)研究者的廣泛關(guān)注。目前,基因表達(dá)譜數(shù)據(jù)分析已被廣泛應(yīng)用于疾病的預(yù)測、診斷和靶向治療。本文利用機器學(xué)習(xí)算法,針對基因表達(dá)譜數(shù)據(jù)分析中常見的:缺失值填補,基因活動狀態(tài)聚類,腫瘤樣本分類等問題提出了較為有效的解決方案,并通過在不同數(shù)據(jù)集上的多次實驗證明了方案的優(yōu)異性能。具體地,本文主要的研究內(nèi)容如下:(1)在實際的基因微陣列實驗中,各種主觀和客觀因素通常會導(dǎo)致實驗產(chǎn)生的基因表達(dá)譜數(shù)據(jù)中存在或多或少的缺失值。本文提出了一種基于集成學(xué)習(xí)思想的方法,集成了幾種傳統(tǒng)的缺失值填補算法(如:K-近鄰填補,最小二乘法填補等),對數(shù)據(jù)集中的缺失值進(jìn)行填補,得到了較準(zhǔn)確的填補結(jié)果。(2)為了根據(jù)基因表達(dá)譜數(shù)據(jù)分析基因的功能以及基因在不同條件下的表達(dá)情況,研究者通常將基因表達(dá)譜數(shù)據(jù)進(jìn)行聚類分析。本文提出了一種基于概率模型的基因活動狀態(tài)聚類方法,該模型結(jié)合K-均值聚類與高斯混合模型對數(shù)據(jù)的分布進(jìn)行描...

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-2集成填補算法的基本框架

第2章基因表達(dá)數(shù)據(jù)缺失值填補131,2,,，其中()是已知列位置集合的第個采樣集。這里，采用自助采樣（BootStrap）來生成()。在這種采樣方式中，可以將隨機性引入構(gòu)建組件預(yù)測器的過程中，這有利于減少它們對于數(shù)據(jù)的依賴性。3)對于第個填補方法，使用樣本矩陣(,)中的數(shù)據(jù)為基因....

圖2-3.TCGA數(shù)據(jù)集上不同方法在不同缺失率下產(chǎn)生結(jié)果的均方根誤差

第2章基因表達(dá)數(shù)據(jù)缺失值填補19設(shè)置為5％，并執(zhí)行Bootstrap采樣T=30次。另外，用于對比的缺失值填補方法KNNimpute和SVDimpute的參數(shù)采用[23]中建議的最優(yōu)值。也就是說，KNNimpute采用的最近鄰數(shù)量P=15，并且SVDimpute所選擇的特征向量的....

圖2-4.TCGA數(shù)據(jù)集上不同方法在不同樣本數(shù)量下產(chǎn)生結(jié)果的均方根誤差接下來，我們針對不同的樣本數(shù)量評估各算法的填補性能

天津大學(xué)碩士學(xué)位論文

圖2-5.TCGA數(shù)據(jù)集上不同方法在不同方差的噪聲下產(chǎn)生結(jié)果的均方根誤差

第2章基因表達(dá)數(shù)據(jù)缺失值填補21過組合多個獨立的填補方法來提高對噪聲的魯棒性圖2-5.TCGA數(shù)據(jù)集上不同方法在不同方差的噪聲下產(chǎn)生結(jié)果的均方根誤差2.4.3在其他數(shù)據(jù)集上的測試結(jié)果我們還在來自癌癥基因組圖譜數(shù)據(jù)庫（TCGA;http：//firebrowse.org/）的數(shù)據(jù)矩....

本文編號：3894038