肺癌是呼吸系統(tǒng)最常見(jiàn)的一種惡性腫瘤。在我國(guó),肺癌的發(fā)病率和死亡率都高居第一位。肺癌的早期缺乏典型癥狀,一旦發(fā)現(xiàn),患者大多處于中晚期且易伴隨遠(yuǎn)處轉(zhuǎn)移,治療變得非常困難。肺癌死亡率較高的另一個(gè)原因是它預(yù)后較差,相當(dāng)一部分患者會(huì)在治療后出現(xiàn)復(fù)發(fā),肺癌的早期診斷和預(yù)后分析在提高生存率方面具有重要意義。高通量測(cè)序技術(shù)的發(fā)展及分析方法的出現(xiàn),為肺癌的預(yù)測(cè)和治療帶來(lái)了新的方向。在腫瘤的形成過(guò)程中,需要多種基因參與并相互作用,通過(guò)高通量測(cè)序技術(shù)可得到肺癌的全基因表達(dá)數(shù)據(jù),利用分子學(xué)機(jī)制研究肺癌的發(fā)生和發(fā)展,可為肺癌的早期發(fā)現(xiàn)和預(yù)后診斷提供理論支持。本研究從TCGA（癌癥基因組圖譜）和GEO兩個(gè)公共數(shù)據(jù)庫(kù)中獲取數(shù)據(jù)集作為研究對(duì)象,建立了一套肺癌的“診斷+預(yù)測(cè)”系統(tǒng),該系統(tǒng)可以篩選出肺癌的易感基因,將其作為特征構(gòu)建出肺癌的診斷模型,并判斷出肺癌的亞型類(lèi)型,同時(shí),系統(tǒng)對(duì)肺癌患者的惡性程度及康復(fù)的可能性做出了預(yù)測(cè),可達(dá)到較高的精度。針對(duì)肺癌的早期診斷,本研究提出了一套基于機(jī)器學(xué)習(xí)的肺癌易感基因篩選及亞型分類(lèi)模型,首先從TCGA數(shù)據(jù)庫(kù)中獲取到肺癌的轉(zhuǎn)錄組數(shù)據(jù)及臨床信息,運(yùn)用R語(yǔ)言,結(jié)合limma、EdgeR及D... 

【文章來(lái)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(yè)數(shù)】：104 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１層次聚類(lèi)過(guò)程??１１??

山東大學(xué)碩士學(xué)位論文??恨節(jié)點(diǎn)??１??２?３??葉子節(jié)點(diǎn)??４?５??葉子節(jié)點(diǎn)?＿？７＇??６?７??葉子節(jié)點(diǎn)葉子節(jié)點(diǎn)??圖２－２決策樹(shù)樹(shù)狀結(jié)構(gòu)??決策樹(shù)利用圖２－２的樹(shù)狀結(jié)構(gòu)進(jìn)行決策分類(lèi)，每一個(gè)葉子節(jié)點(diǎn)是決策的結(jié)果，??每一個(gè)非葉子節(jié)點(diǎn)是根據(jù)特征判斷的條件，決策樹(shù)的構(gòu)建是一個(gè)逐漸分裂的過(guò)??程，采用自頂向下的遞歸方式，主要包括特征選擇、決策樹(shù)生成、剪枝三個(gè)步驟，??特征選擇即從眾多的特征中選擇一個(gè)特征作為當(dāng)前節(jié)點(diǎn)分裂的標(biāo)準(zhǔn)，決策樹(shù)生成??過(guò)程以信息熵為衡量標(biāo)準(zhǔn)構(gòu)建一顆熵值下降最快的樹(shù)，根節(jié)點(diǎn)的熵值最大，到葉??子節(jié)點(diǎn)處?kù)刂禐椋�，剪枝是為了縮小樹(shù)狀結(jié)構(gòu)的規(guī)模，防止過(guò)擬合。??２．４．４集成機(jī)器學(xué)習(xí)??集成機(jī)器學(xué)習(xí)方法是指通過(guò)構(gòu)建多個(gè)學(xué)習(xí)器來(lái)完成學(xué)習(xí)任務(wù)１？１，通常可以獲??得比最優(yōu)的單個(gè)學(xué)習(xí)器更好的預(yù)測(cè)結(jié)果。集成機(jī)器學(xué)習(xí)的訓(xùn)練流程如圖２－３所示：??學(xué)習(xí)滟１?字習(xí)雅２?字習(xí)雅Ｍ??Ｉ?Ｉ?Ｉ??橫?ｓａ?ｍ２?描?ＳＤＮ??圖２－３集成學(xué)習(xí)訓(xùn)練流程??１５??

山東大學(xué)碩士學(xué)位論文??恨節(jié)點(diǎn)??１??２?３??葉子節(jié)點(diǎn)??４?５??葉子節(jié)點(diǎn)?＿？７＇??６?７??葉子節(jié)點(diǎn)葉子節(jié)點(diǎn)??圖２－２決策樹(shù)樹(shù)狀結(jié)構(gòu)??決策樹(shù)利用圖２－２的樹(shù)狀結(jié)構(gòu)進(jìn)行決策分類(lèi)，每一個(gè)葉子節(jié)點(diǎn)是決策的結(jié)果，??每一個(gè)非葉子節(jié)點(diǎn)是根據(jù)特征判斷的條件，決策樹(shù)的構(gòu)建是一個(gè)逐漸分裂的過(guò)??程，采用自頂向下的遞歸方式，主要包括特征選擇、決策樹(shù)生成、剪枝三個(gè)步驟，??特征選擇即從眾多的特征中選擇一個(gè)特征作為當(dāng)前節(jié)點(diǎn)分裂的標(biāo)準(zhǔn)，決策樹(shù)生成??過(guò)程以信息熵為衡量標(biāo)準(zhǔn)構(gòu)建一顆熵值下降最快的樹(shù)，根節(jié)點(diǎn)的熵值最大，到葉??子節(jié)點(diǎn)處?kù)刂禐椋�，剪枝是為了縮小樹(shù)狀結(jié)構(gòu)的規(guī)模，防止過(guò)擬合。??２．４．４集成機(jī)器學(xué)習(xí)??集成機(jī)器學(xué)習(xí)方法是指通過(guò)構(gòu)建多個(gè)學(xué)習(xí)器來(lái)完成學(xué)習(xí)任務(wù)１？１，通常可以獲??得比最優(yōu)的單個(gè)學(xué)習(xí)器更好的預(yù)測(cè)結(jié)果。集成機(jī)器學(xué)習(xí)的訓(xùn)練流程如圖２－３所示：??學(xué)習(xí)滟１?字習(xí)雅２?字習(xí)雅Ｍ??Ｉ?Ｉ?Ｉ??橫?ｓａ?ｍ２?描?ＳＤＮ??圖２－３集成學(xué)習(xí)訓(xùn)練流程??１５??

【參考文獻(xiàn)】：
期刊論文
[1]血清外泌體miR-184在非小細(xì)胞肺癌中的表達(dá)水平及其診斷效能[J]. 王蕾,歐宗興.  蘭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2018(03)
[2]非小細(xì)胞肺癌術(shù)后局部復(fù)發(fā)患者接受根治性放療的生存及預(yù)后因素[J]. LiMa,Bo Qiu,Jun Zhang,Qi-WenLi,BinWang,Xu-HuiZhang,Meng-YunQiang,Zhao-LinChen,Su-PingGuo,Hui Liu.  癌癥. 2018(04)
[3]肺癌診治水平的進(jìn)展與提高[J]. 李為民,劉丹,盧鈾.  四川大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2014(02)
[4]機(jī)器學(xué)習(xí)及其相關(guān)算法綜述[J]. 陳凱,朱鈺.  統(tǒng)計(jì)與信息論壇. 2007(05)
[5]黏著斑激酶的結(jié)構(gòu)與功能[J]. 袁一旻,姚真真,焦炳華.  生命的化學(xué). 2006(05)
[6]肺癌早期發(fā)現(xiàn)有手段——熒光支氣管鏡技術(shù)[J]. 張蕾,王貴齊.  抗癌之窗. 2006(02)

碩士論文
[1]基于支持向量機(jī)的特征選擇算法研究[D]. 嚴(yán)康.大連理工大學(xué) 2010



本文編號(hào)：3427944