基于LASSO回归和多层感知的癌组织RNA-Seq数据分类算法研究

目的:为了解决癌症基因RNA-Seq(RNA-Sequencing,转录组测序技术)技术每次测序过程产生海量高分辨率、高维、高冗余的数据,给基因表达数据分类带来困难的问题。方法:提出了一种基于LASSO(Least Absolute Shrinkage and Selection Operator,LASSO)回归和多层感知的癌组织RNA-Seq数据分类算法。首先,从TCGA数据库获取十个疾病的基因数据集并对原始RNA-Seq的基因表达谱基因数据进行数据清洗和标准化处理,去除重复的基因,选取表达量最大的基因并将数据做标准化处理。其次,采用LASSO回归的方法对处理后的数据进行降维和特征提取,获得与疾病标签最相关的特征基因集。最后,运用多层感知器神经网络(Multilayer Perceptron,MLP)模型对特征基因进行学习和训练,实现有效地识别和分类。实验结果:实验表明,该算法在10种癌细胞基因测试数据集中分类总准确率达到99.8%,高于LASSO-CNN分类模型的总准确率98.9%和LASSO-BP神经网络分类模型的总准确率99.4%。结论:该算法克服了转录组测序数据量大、特征多、数据差异大的缺陷,是一种有效的癌症基因表达测序分类新算法。