基于基因表達譜數據的癌癥分類研究.pdf

1、癌癥種類繁多、致病機理復雜而且難以治愈，近年已經嚴重危害到人類的生命和健康。盡早的確診可以幫助挽救病人生命，由于傳統癌癥診斷方法自身的局限性，并沒有很好的解決這一問題?；蛐酒址Q作DNA微陣列，是上世紀以來生物信息學領域的一個重大技術突破，其高通量特點使得在單次實驗中同時檢測大量基因的表達值成為可能。此后，基因芯片就作為分子生物學研究中的一個重要的基本工具，被廣泛用于癌癥的診斷和類型識別中。利用基因表達譜數據得以對癌癥分類問題從分子

2、水平上進行分析和研究，目前基于基因表達譜的癌癥分類研究主要集中在兩個方面:一來，基因表達譜數據擁有高維小樣本、高冗余、高噪音等特點，如何從這些數據中選擇出于疾病相關的基因成為了研究重點;二來，當前基因表達譜數據分析的成熟度并沒有達到應用水平，目前癌癥診斷仍依賴于傳統基于形態(tài)學的方法，所以尋找到高效的分類算法提高分類性能是研究的另一個關鍵任務。
　　針對上述兩個方面，本文參考了大量相關文獻，了解了癌癥分類問題一般過程和常用方法，并展

3、開了如下工作:
　　(1)概述了集成學習的概念并提出一種基于數據自身的集成分類的設想，在一個已有的集成分類方法上提出了一種叫單點定界的集成分類算法(SPEC)的改進方方法，該方法應用了一個新穎的策略，在基因選擇的同時解析了集成分類的規(guī)則。并在急性白血病和結腸癌數據集上展開了測試實驗，以很少的時間和空間資源得到了令人滿意的分類效果，證明了方法的不僅實現簡單而且十分有效;
　　(2)分析了單點定界方法的不足和局限性，分別給出了改