基于基因表达谱的小圆蓝细胞瘤亚型识别研究
基于基因表达谱，在分子水平上对肿瘤进行分析和研究，是当前生物信息学研究的重要课题。本文针对肿瘤鉴别问题，以小圆蓝细胞瘤(SRBCT)为研究对象，从系统科学和信息科学的角度，采用人工智能和计算机技术，就小圆蓝细胞瘤的特征基因选取问题和亚型识别问题，基于基因表达数据进行了研究，取得如下研究成果：
第一，针对SRBCT分类信息的度量指标的研究本文提出了用于SRBCT特征基因选取的类加权Bhattacharyya距离指标。在修正信噪比指标的基础上，以体现贝叶斯分类错误率的Bhattacharyya距离衡量基因包含的分类信息。考虑到SRBCT具有四个亚型，以各类样本占总样本的比例为加权系数，对四个类别的Bhattacharyya距离加权求和，以此作为基因排序和选择的标准。用两种指标选取基因在不同分类模型上进行亚型识别实验，结果表明，用本文提出的指标选取的基因包含更多的分类信息。
第二，针对SRBCT亚型预测模型的研究本文建立了三种亚型预测模型，首次将多类支持向量机(MSVM)应用到SRBCT亚型识别问题上。分别建立了三层BP网络模型，基于BSVM的多模模型和MSVM模型。通过比较不同特征基因集合在三种模型上的分类准确率，确定了一个25个基因的特征集合，基于这个集合利用MSVM可取得100％的预测准确率。对这三种模型分类性能的对比研究的结果表明，MSVM优于其它两种方法，是解决SRBCT亚型识别问题的有效工具。
第三，针对SRBCT特征基因集合中冗余基因排除方法的研究本文提出了一种基于Pearson相关系数的“两两冗余”排除法。该方法考虑到某些基因之间存在着相关性，去掉SRBCT特征基因集合中分类信息指标较大基因的相关基因，得到15个特征基因。基于这15个特征基因本文构建了一个4聚类SOM聚类模型，对所有SRBCT样本进行聚类，聚类正确率达到100％。与文献[5]报道的结果比较，Khan采用主元分析法和人工神经网络建立的预测模型需要96个基因，而本文基于MSVM的预测模型只需15个特征基因就可取得100％的预测准确率，表明了本文方法的有效性。
本文的研究得到了国家自然科学基金的支持，已发表相关论文4篇，1篇发表在《计算机应用》上，2篇发表在《计算机工程与应用》上，1篇发表在《ProceedingsoftheThirdInternationalConferenceonMachineLearningandCybernetics，2004》(EI收录)。本文的研究有助于肿瘤与基因关系的理解，有助于肿瘤特征基因的选择，肿瘤的自动分类，以及肿瘤新亚型的发现。
基因表达谱;肿瘤分型;特征选取;小圆蓝细胞瘤;多类支持向量机
北京工业大学
硕士
模式识别与智能系统
阮晓钢
2005
中文
TP18;R730.4
56
2006-05-31（万方平台首次上网日期，不代表论文的发表时间）