时序基因表达缺失值的加权双向回归估计算法

由于受实验条件等客观因素制约,实验所得到的基因表达谱数据存在数据缺失的现象,不利于数据的后续使用.如何在不丢失数据信息、不影响数据整体使用的情况下,对实验数据进行估计、填充已成为目前生物信息学研究的热点.本文通过利用核加权函数提取与缺失值所在的行列具有最大相似性的行列信息,提出了基于双向核加权回归估计的算法.在回归过程中同时考虑基因表达的空间相关性和时问相关性信息,使回归算法使用的信息更加充分.通过与其他缺失值估计算法相比较,加权双向回归算法的估计结果较好.     

基于多数据集的胃癌亚型标志基因选择

基于机器学习方法分析胃癌微阵列数据, 寻找和发现新的胃癌亚型分类的相关基因, 可为进一步研究胃癌发生的分子机制及其基因水平的诊断和治疗提供标志与依据.现有方法大多使用单个数据集提取特征基因, 样本量少, 提取的特征基因应用于其他同类数据分类效果差.本文提出了一种遗传算法与支持向量机(support vector machine, SVM)相结合的特征基因提取方法, 并行分析了3个胃癌微阵列数据集, 提取的特征基因在所有数据集中均达90%以上的分类准确率.进行了4 580次实验, 统计基因在遗传算法种群中出现的次数依次排序, 得出了可能对胃癌亚型分类起关键作用的基因(AGT、FBLN1等).对提取的特征基因的生物学意义分析结果表明, 本方法能很好地识别胃癌亚型分类基因, 所选择的特征基因对人类胃癌肿瘤的诊断和分型有重要意义.