基于集成类随机森林方法的神经胶质瘤特征基因选择的研究
神经胶质瘤(glioma)是一种严重的颅内肿瘤疾病,具有高复发率、高死亡率和低治愈率等特点.利用基因微阵列数据识别与神经胶质瘤相关的特征基因,对该疾病的临床诊断和生物医学研究将起到有益的参考和借鉴作用.作者针对神经胶质瘤数据,提出了一种集成类随机森林特征基因选择方法.首先应用有监督奇异值分解对数据进行降维并粗选出基因;其次应用类随机森林特征选择方法选出特征基因.实验结果显示,该方法对分类器的适应性强;对比其他方法,分类率优势明显;更重要的是,在选出的前50个特征基因中有39个基因与神经胶质瘤或肿瘤细胞生物过程存在着密切联系,证实该方法不仅保持了较高的分类率,而且保证了选择的特征基因具有很强的生物学关联意义,具有较高的可行性和实用性.
神经胶质瘤、肿瘤诊断、特征选择、类随机森林、奇异值分解
26
Q6;Q789;TP391;R739.41
国家自然科学基金;国家自然科学基金;浙江省自然科学基金;大学生科研创新项目;浙江省研究生创新科研项目
2010-11-30(万方平台首次上网日期,不代表论文的发表时间)
833-845