基于miRNA组学的数据增强算法
近年来,诸多研究揭示了miRNA的表达和疾病之间的关系,特别是其与肿瘤的发生、发展和治疗的密切关联.然而,传统的分子生物学测试方法既耗时又昂贵,患病样本获取困难,不平衡的数据集训练得到的分类器导致患病样本识别准确率低.面对以上挑战,提出了一种新的区分患病样本、健康样本以及挖掘疾病生物标志物的数据增强算法OCF,使用条件式生成对抗网络进行数据增强,然后用特征选择算法减少特征数量,最后再利用机器学习分类器进行分类识别并筛选出生物标志物进行分析.实验结果表明,该算法具有更好的分类性能,并验证了筛选出的生物标志物的准确性.
计算机应用技术、深度学习、特征选择、生成对抗网络、miRNA
52
TP399(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;吉林省中青年科技创新创业卓越人才团队项目;吉林省大数据智能计算实验室
2023-04-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
182-187