本文選題：基因分類　切入點：時間序列基因　出處：《鄭州大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：在生物信息學(xué)中,從大量數(shù)據(jù)中挖掘?qū)ρ芯坑袃r值的信息越來越受到研究人員的重視。時序基因表達(dá)數(shù)據(jù)是生物生長過程中不同時間點采集的基因數(shù)據(jù),作為研究熱點之一的時間序列基因數(shù)據(jù)挖掘也越來越受到研究者們廣泛關(guān)注和研究。時間序列基因數(shù)據(jù)分類是一個非常重要的課題,它包含了大量與時間相關(guān)的生物信息。由于基因表達(dá)數(shù)據(jù)的“高維、小樣本”特點。傳統(tǒng)的機器學(xué)習(xí)方法在處理高維數(shù)據(jù)上不僅會建立復(fù)雜的分類模型,而且得到的分類結(jié)果很難用生物學(xué)的角度理解。最高得分對算法(Top Scoring Pairs,TSP)是利用少量特征對對樣本進行預(yù)測的分類器,此算法在處理基因數(shù)據(jù)上達(dá)到了很好的效果,但還不能處理時間序列基因表達(dá)數(shù)據(jù)。為了充分利用TSP算法優(yōu)勢,本文提出動態(tài)最高得分對算法(Dynamic Top Scoring Pairs,DTSP),將TSP算法改進為能處理時序基因數(shù)據(jù)的分類器。本文的主要工作如下:1.本文提出DTSP算法,將趨勢的思想融入TSP算法中,使其能夠處理時序基因。DTSP算法不僅考慮了相鄰時間點的差異趨勢,并且將差異的值的大小考慮進去,提高了分類準(zhǔn)確率。同時算法也改進了預(yù)測模型,用趨勢的規(guī)則進行預(yù)測。本文使用時序基因數(shù)據(jù)集進行實驗,將DTSP算法和支持向量機、K近鄰算法做橫向?qū)Ρ?并將DTSP算法中包含的三種算法做縱向?qū)Ρ�。實驗證明,改進后的分類器得到了很高的分類效果,選出了最具分類能力的特征對。選出的特征對將對生物學(xué)基因研究提供了新的思路。2.在動態(tài)最高得分對算法理論的基礎(chǔ)上,本文設(shè)計了基于DTSP算法的時序基因分類系統(tǒng)。該系統(tǒng)不僅實現(xiàn)了DTSP算法對時序基因的分類,同時兼容傳統(tǒng)的機器學(xué)習(xí)分類算法,能夠為用戶提供二次開發(fā)的接口,集成自定義的時序基因分類算法。該系統(tǒng)不僅能對時序基因分類,而且可以將DTSP計算出的最高特征對展示出來,可以用于醫(yī)療生物學(xué)的進一步研究。
[Abstract]:In bioinformatics, researchers pay more and more attention to mining valuable information from a large amount of data. As one of the research hotspots, time series gene data mining has been paid more and more attention by researchers. Classification of time series gene data is a very important subject. It contains a lot of time-related biological information. Because of the "high dimension, small sample" characteristics of gene expression data, traditional machine learning methods not only build complex classification models in processing high-dimensional data. The results obtained are difficult to understand from a biological point of view. The highest score pair algorithm, Top Scoring Pairsp, is a classifier that uses a small number of features to predict samples, and the algorithm achieves good results in the processing of genetic data. In order to make full use of the advantage of TSP algorithm, In this paper, a dynamic Top Scoring pairsn DTSP algorithm is proposed, and the TSP algorithm is improved to be a classifier capable of processing temporal gene data. The main work of this paper is as follows: 1.The DTSP algorithm is proposed in this paper, which integrates the trend idea into the TSP algorithm. The algorithm not only considers the trend of the difference between adjacent time points, but also takes the value of the difference into account, which improves the classification accuracy, and also improves the prediction model. In this paper, the DTSP algorithm and the support vector machine (SVM) nearest neighbor algorithm are compared horizontally, and the three algorithms contained in the DTSP algorithm are compared longitudinally. The improved classifier has obtained a high classification effect and selected the most capable feature pairs. The selected feature pairs will provide a new way of thinking for the study of biological genes. 2. Based on the theory of dynamic maximum score pair algorithm, In this paper, a sequential gene classification system based on DTSP algorithm is designed, which not only realizes the classification of sequential genes by DTSP algorithm, but also is compatible with the traditional machine learning classification algorithm, and can provide a secondary development interface for users. The system can not only classify sequential genes, but also display the highest characteristic pairs calculated by DTSP, which can be used in the further study of medical biology.
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：Q811.4

【相似文獻】

相關(guān)期刊論文 前10條

1 李建更;郭慶雷;賀益恒;;時序基因表達(dá)缺失值的加權(quán)雙向回歸估計算法[J];數(shù)據(jù)采集與處理;2013年02期

2 施建華;;機械化升級改造前后煤礦對環(huán)境空氣中TSP質(zhì)量濃度貢獻的變化[J];科技情報開發(fā)與經(jīng)濟;2010年23期

3 朱寶龍,陳強,魏有儀,王鷹;TSP超前地質(zhì)預(yù)報在圓梁山隧道施工中的應(yīng)用[J];水文地質(zhì)工程地質(zhì);2003年01期

4 韓貴鋒,馬乃喜;西安市大氣TSP污染的健康損失初步分析[J];西北大學(xué)學(xué)報(自然科學(xué)版);2001年04期

5 張霖;;TSP分布在評價盆地油田規(guī)模及分布中的應(yīng)用[J];中國海上油氣;1991年06期

6 寧愛兵;馬良;王周緬;;瓶頸TSP下界快速算法[J];科學(xué)技術(shù)與工程;2006年09期

7 宋錦娟;白艷萍;;一種改進的蟻群算法及其在TSP中的應(yīng)用[J];數(shù)學(xué)的實踐與認(rèn)識;2012年18期

8 徐伯慶,孫國強;基于聚類描述的培養(yǎng)算子與TSP求解[J];上海理工大學(xué)學(xué)報;2000年03期

9 田富鵬;改進型蟻群算法及其在TSP中的應(yīng)用[J];蘭州大學(xué)學(xué)報;2005年02期

10 袁明生;陳建平;廖俊;;TSP在軟、硬巖地層中的應(yīng)用效果分析[J];西北地震學(xué)報;2008年02期

相關(guān)會議論文 前5條

1 呂新全;曹風(fēng)雨;李軍;陳再蓉;阿米娜;吐尼沙;吉利力;李惠翔;;乳腺浸潤性導(dǎo)管癌中TSP表達(dá)、微血管密度維漢差異的研究[A];中華醫(yī)學(xué)會病理學(xué)分會2005年學(xué)術(shù)年會論文匯編[C];2005年

2 裴宗平;韓寶平;郝紅艷;羅云建;王浩正;;掃描電鏡分析在徐州市大氣顆粒物(TSP)源解析中的應(yīng)用研究[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會論文集[C];2004年

3 陳俊棟;劉繼濱;蘇有財;李蒼松;;關(guān)于斷層的TSP測試數(shù)據(jù)后分析的討論[A];2009’中國西部地區(qū)聲學(xué)學(xué)術(shù)交流會論文集[C];2009年

4 廖代強;馬力;向波;;重慶市區(qū)能見度與TSP關(guān)系的變化分析[A];第五屆全國優(yōu)秀青年氣象科技工作者學(xué)術(shù)研討會學(xué)術(shù)論文集[C];2002年

5 江雪豐;周希瑗;程玲;;TSP—1在早期糖尿病大鼠視網(wǎng)膜的表達(dá)及意義[A];中華醫(yī)學(xué)會第十二屆全國眼科學(xué)術(shù)大會論文匯編[C];2007年

相關(guān)重要報紙文章 前1條

1 中國聯(lián)通研究院網(wǎng)絡(luò)技術(shù)研究中心泛在網(wǎng)組網(wǎng)絡(luò)技術(shù)研究中心 張鳳全　記者 趙艷秋、李映 整理;通信運營商最有實力成為TSP[N];中國電子報;2011年

相關(guān)碩士學(xué)位論文 前8條

1 吳凱敏;TSP算法在時序基因分類中的研究與應(yīng)用[D];鄭州大學(xué);2017年

2 劉程;TSP中Pb的常規(guī)監(jiān)測技術(shù)探討及其在昌吉市的應(yīng)用[D];昌吉學(xué)院;2016年

3 許策;TSP隧道代理實現(xiàn)及安全增強型技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2014年

4 巴洪濤;DVS系統(tǒng)RTSP服務(wù)器軟件設(shè)計與實現(xiàn)[D];浙江大學(xué);2010年

5 王野;微波消解法—快速測定TSP大氣顆粒物中的鉛含量[D];吉林大學(xué);2012年

6 關(guān)巍;可信軟件棧中TSP的研究與應(yīng)用[D];東北大學(xué);2010年

7 吳榮綱;TSP肥料用氯化銨在馬來西亞銷售策略研究[D];河北工業(yè)大學(xué);2014年

8 謝嵐;“TSP功能性預(yù)混料”對蘇太豬肉質(zhì)性能、氨基酸和微量元素的影響研究[D];湖南農(nóng)業(yè)大學(xué);2007年

，

本文編號：1640112