基于熵的微阵列数据特征选择

针对基于熵的特征加权算法忽略了数据集内在特性对特征重要性的影响,导致特征选择效果不佳的问题,提出一种改进的基于熵的特征加权算法,根据信息熵计算特征维度的重要性权重,通过引入交叉验证实现不同数据集的阈值学习,确定用于度量特征重要性的最佳阈值参数,并基于该阈值对数据集进行特征选择。在微阵列数据集上的数值实验结果表明:相比于原算法,所提算法能够减少更多的维度,且特征子集用于分类得到的准确率与原算法基本持平甚至有所提高,说明改进的算法是可行和有效的。

基于网络药理学、微阵列数据分析和分子对接探究四君子汤治疗缺血性心力衰竭的作用机制

目的:通过网络药理学、微阵列数据分析和分子对接探讨四君子汤治疗缺血性心力衰竭的作用机制。方法:采用R软件对GEO数据库中下载的缺血性心力衰竭(HF)的微阵列数据进行分析;借助中药系统药理学数据库及分析平台(TCMSP)数据库获取四君子汤中4味中药的化学成分和作用靶点,利用网络药理学的方法获取四君子汤有效成分与心力衰竭的匹配靶点;通过Cytoscape(v 3.2.1)软件和STRING数据库构建蛋白-蛋白相互作用(PPI)网络;在R软件上使用clusterProfiler(v3.8)和DOSE(v3.6)软件包进行基因本体(GO)和京都基因与基因组百科全书(KEGG)富集分析。最后,借助AutoDockTool、PyMOL软件进行预处理及分子对接。结果:通过对微阵列数据的分析,获得关于心力衰竭的371个差异表达基因(DEGs)。共筛选出四君子汤有效成分136种,活性成分所涉及的相关靶点4 134个,对9个匹配靶点和5个重要化学成分进行后续分析,构建了“四君子汤-心力衰竭”PPI网络。通过GO生物过程、KEGG富集分析,得到细胞对酸性化学物质的反应、有机羟基化合物转运、轴突再生、神经元投影再生、内质网腔、胶原三聚体、蛋白结合和局灶性黏附途径等重要生物学过程。分子对接显示核心成分柚皮素与核心靶点载脂蛋白B(APOB)、补体C1q结合蛋白(C1QB)对接良好。结论:四君子汤治疗缺血性心力衰竭的机制可能是多靶点、多途径的直接或间接作用,为后续的四君子汤药理机制研究提供了生物学依据。

基于网络药理学、微阵列数据分析和分子对接探索头花蓼治疗幽门螺杆菌相关性胃炎的分子机制

目的探索头花蓼(Polygonum capitatum,PC)治疗幽门螺杆菌相关性胃炎(Helicobacter Pylori associated gastritis,HAG)的作用机制。方法运用数据库识别PC活性化合物的作用靶点及HAG相关基因,并取交集获得PC治疗HAG的潜在靶标;利用Cytoscape 3.6.0构建“药物-活性成分-靶点-疾病”网络图和PC治疗HAG潜在靶蛋白的PPI网络,采用多个拓扑指标筛选出网络中的重要节点,运用STRING数据库进行GO和KEGG富集分析,获得PC治疗HAG的潜在信号通路,利用分子对接观察PC活性成分与关键靶蛋白的结合能力;在此基础上,通过体内外实验对PC治疗HAG的相关靶标进行验证。结果通过数据库识别出PC活性化合物及靶标,构建“药物-活性成分-靶点-疾病”网络图和潜在靶蛋白的PPI网络,多个拓扑指标筛选出52个hub genes,进一步的生物信息学分析和高通量测序显示,PC通过Akt/NF-κB/NLRP3通路对HAG发挥作用。基于此,通过实验发现PC作用于HAG GES-1细胞和HAG SD大鼠后,能够减少其IL-18和IL-1β的分泌,上调Akt及其磷酸化水平,减少NF-κB表达,抑制NLRP3炎症小体的活化,从而改善HAG炎症反应。结论PC可通过激活Akt及其磷酸化水平,抑制NF-κB和NLRP3炎症小体相关因子的表达,对HAG发挥治疗作用。本研究为阐释PC治疗HAG的作用机制提供了理论依据。

微阵列数据的多重比较

目的介绍阳性结果错误率(FDR)及相关控制方法在微阵列数据多重比较中的应用。方法用BH、BL、BY和ALSU四种FDR控制程序比较了3226个基因在两组乳腺癌患者中的表达差异。结果四个程序在各自实用的范围内均将FDR控制在0·05以下,检验效能由大到小的顺序为:ALSU>BH>BY>BL。ALSU程序因引入m0的估计,更为合理,不仅提高了检验效能,同时又较好地控制了假阳性错误。结论在微阵列数据的比较中必须考虑FDR的控制,同时又要考虑提高检验效能。多重比较中,控制FDR比控制总I型错误率(FWER)检验效能高,且更为实用。

偏最小二乘法降维在微阵列数据判别分析中的应用

目的探讨微阵列数据的判别分析方法。方法首先采用偏最小二乘法对高维数据降维,然后再用Fisher’s线性判别。文中同时介绍了偏最小二乘法的基本原理、基本算法,讨论了成分数选择等问题,并以实际微阵列数据展示了其效果。结果偏最小二乘法降维不但实现了数据的可视化,而且取得了较好的后期判别效果。结论偏最小二乘法是一种新的实用的降维方法,可用于微阵列数据判别分析的前期降维。

基于过采样技术和随机森林的不平衡微阵列数据分类方法研究

近年来,应用DNA微阵列技术对疾病,尤其是癌症进行诊断,已逐渐成为生物信息学领域的研究热点之一。对比其它的数据载体,微阵列数据通常具有一些独有的特点。针对微阵列数据样本分布不平衡这一特点,提出了一种基于概率分布的过采样技术,通过该技术可以为少数类建立一些合理的伪样本,从而使各类的样本数达到均衡,然后使用随机森林分类器对其进行分类。该方法的有效性和可行性已经在两个标准的微阵列数据集上得到了验证。实验结果显示,与传统的方法相比,该方法可以获得更好的分类性能。

基于演化学习超网络的微阵列数据分类

为解决传统模式识别方法学习结果过于复杂且难以解读的问题,提出了一种基于遗传算法的演化学习超网络模型.与传统的基于梯度下降和超边替代的超网络学习算法不同,演化学习超网络模型在其学习过程中引入了遗传算法.将超网络的超边集合划分成多个子种群;对子种群中的个体进行选择、交叉和变异等遗传操作,并对每一代种群进行子种群间优秀个体的迁移.每个子种群并行执行演化操作,完成演化后得到一个具有决策能力的超网络分类器.利用演化超网络对急性白血病、肺癌和前列腺数据集进行分类试验.结果表明,演化学习超网络对3个数据集的分类准确率分别为96.21%,99.26%,96.09%.所提出的方法与其他传统的模式识别方法相比,具有更高的分类准确率,而且其学习结果具有很好的可读性,有利于挖掘与癌症诊断密切相关的基因对高阶关联关系.

微阵列数据癌症分类问题中的基因选择

微阵列数据广泛而成功地应用于生物医学的癌症分类研究.一个典型的微阵列数据集包含大量(通常成千上万,甚至数十万)的基因、相对少量(往往不足一百)的样本.在这成千上万的基因中,仅仅一少部分基因对癌症分类有贡献.因而,对于癌症分类来说,最重要的一个问题就是识别出对癌症分类最有贡献的基因.这一识别过程称为基因选择.基因选择在统计模式识别、机器学习和数据挖掘领域已得到广泛研究.介绍基因选择问题所涉及到的相关背景知识和基本概念;全面地回顾统计学、机器学习和数据挖掘领域对基因选择问题的解决方法;通过实验展示了几种典型算法在微阵列数据上的性能;指出当前存在的问题和未来的研究方向.

基于DNA微阵列数据的特征子空间集成分类

针对DNA微阵列数据应用于临床诊断时分类准确率过低的问题,结合其高维小样本的特点提出了一种特征子空间集成分类方法。该方法首先通过层次聚类与信噪比特征选择策略将原始训练数据集映射到一个非冗余的特征基因空间,然后随机抽取一些特征子空间构成训练子集并应用支持向量机训练基分类器,最后采用多数投票的方式决定测试样本的类属。最后在4个标准的微阵列数据集上与其他方法进行了对比实验,结果证明了本文方法的有效性。

基于CompactRIO的多通道阵列数据采集系统实现

实时性和可靠性是影响多通道阵列数据采集系统的重要因素。详细阐述了基于CompactRIO(简称CRIO)的多通道阵列数据采集系统的软硬件设计。通过采用CRIO技术实现了多个通道的高速切换和数据采集,对多通道的阵列数据进行了分析处理。阵列数据三维显示图实时准确地反映了阵列数据的变化规律。实验结果表明系统稳定可靠,通道一致性良好,可在100 Hz采样频率下采集更新640路通道数据。

基于相交邻域粗糙集的基因微阵列数据分类

在对基因微阵列数据的特征选择和分类的研究中,粗糙集理论是一个可以消除冗余基因的有效工具。但是传统的粗糙集模型不能很好地处理连续型数值数据,而离散化方法可能会导致信息的丢失。为此,提出了一种基于相交邻域粗糙集模型的属性约简算法,即将传统粗糙集中的距离邻域扩展为相交邻域,采用基于集合的方式来定义近似,以此构建粗糙集模型。在癌症数据集上进行实验,结果表明基于集合近似和相交邻域的粗糙集模型可以取得较好的分类效果,并且通过对选择出的基因进行GO术语分析,进一步证明了该模型的有效性。

用于微阵列数据分类的子空间融合演化超网络

针对传统模式识别方法在学习具有小样本特性的DNA微阵列数据时存在的过拟合问题,本文提出了一种子空间融合演化超网络模型.该模型通过子空间划分、超边全覆盖和子空间融合三种方法降低模型对初始化的依赖,减少了对数据空间的拟合误差,提高了演化超网络的泛化能力.对四个DNA微阵列数据集的实验结果表明,子空间融合演化超网络的识别率和在小样本训练集下的泛化能力均优于参与对比的其他传统模式识别方法.

判别分析驱动的微阵列数据的降维策略

目的探究判别分析驱动的微阵列数据之降维策略。方法3步降维策略。即首先采用"单变量检验FDR控制"结合"相关矩阵差值综合评分法"的预选维;其次采用PCA、PLS等方法作进一步降维;最后用逐步判别的思想筛选。结果以Alon等的结肠癌数据为例展示了该3步降维策略在判别分析过程中的应用,组内回代错误率为9.68%,弃一法交叉验证的错误率为11.29%。结论本文提出的"初步选维→进一步降维→逐步判别筛选"的3步降维策略对于后续的微阵列数据判别分析是实用、可行的。

面向高维微阵列数据的混合特征选择算法

随着基因芯片技术的发展,基因表达实验获得了大量的微阵列相关数据,为人类疾病研究提供了一种全新的手段.然而,由于微阵列数据存在维数高、噪声大及冗余度高等特点,给深入准确地挖掘微阵列数据中所蕴含的知识和信息基因选择带来了极大困难.本文提出一种面向高维微阵列数据的混合特征选择算法,该算法分为两层:第一层使用信噪比方法计算全部基因的信噪比值,根据信噪比值选择指定数目的信息基因,过滤无关基因;第二层使用改进的Lasso方法对第一层得到的信息基因候选子集进行特征选择,剔除冗余基因.实验结果表明本文提出的算法能够选择出数量较少且分类能力较强的信息基因,并且性能稳定、泛化能力强,是一种有效的基因特征选择算法.

差异表达驱动的微阵列数据降维策略

目的探究差异表达驱动的微阵列数据之降维策略。方法本文提出permutation检验和99.99%的下单侧可信区间相结合的策略用于"维度粗筛",HotellingT2检验结合逐步筛选的策略用于寻求组间差异表达的"局部变量组合"。结果以"正常成年男子和精子运动能力低下者精子蛋白表达差异研究"之实例展示了该降维策略的实际应用效果,结果发现了"十个蛋白组合"在组间差异表达。结论本文提出差异表达驱动的微阵列数据降维策略是实用可行的。

微阵列数据分析和错误发现率

目的:介绍微阵列数据的差异表达分析和基于错误发现率的多重假设检验。方法:通过t检验对一个关于前列腺癌的微阵列数据进行基因差异表达分析,采用BH程序进行错误发现率的控制和经验估计。结果:当错误发现率为0.05时通过BH程序得到21个差异表达基因;当以|t|≥3作为拒绝域时,得到105个基因,对应的错误发现率估计值为0.20。结论:相对传统的总体错误率,错误发现率更加适合于微阵列这种高维数据多重比较的错误控制;而且能同时控制或估计错误发现率。

一种基于微阵列数据的集成分类方法

针对现有的微阵列数据集成分类方法分类精度不高这一问题,提出了一种Bagging-PCA-SVM方法。该方法首先采用Bootstrap技术对训练样本集重复取样,构成大量训练样本子集,然后在每个子集上进行特征选择和主成分分析以消除噪声基因与冗余基因;最后利用支持向量机作为分类器,采用多数投票的方法预测样本的类属。通过三个数据集进行了测试,测试结果表明了该方法的有效性和可行性。

DNA微阵列数据判别的旋转森林方法

目的探讨旋转森林算法在DNA微阵列数据分类中的应用。方法通过对四个经典基因表达数据的分析考察旋转森林的分类效果,并与其他分类器进行比较,进一步调整算法参数并研究其对分类效果产生的影响。结果旋转森林对基因表达数据有较高且稳定的分类准确性,除了线性变换方式和集成规模对分类性能影响较大,分类效果不随算法其他几个主要参数变化。结论旋转森林在基因表达谱数据分类中有较好的判别结果。

非负矩阵分解在微阵列数据分类和聚类发现中的应用

基因芯片是微阵列技术的典型代表,它具有高通量的特性和同时检测全部基因组基因表达水平的能力。应用微阵列芯片的一个主要目的是基因表达模式的发现,即在基因组水平发现功能相似,生物学过程相关的基因簇;或者将样本分类,发现样本的各种亚型。例如根据基因表达水平对癌症样本进行分类,发现疾病的分子亚型。非负矩阵分解NMF方法是一种非监督的、非正交的、基于局部表示的矩阵分解方法。近年来这种方法被越来越多地应用在微阵列数据的分类分析和聚类发现中。系统地介绍了非负矩阵分解的原理、算法和应用,分解结果的生物学解释,分类结果的质量评估和基于NMF算法的分类软件。总结并评估了NMF方法在微阵列数据分类和聚类发现应用中的表现。

面向高维微阵列数据的集成特征选择算法

特征选择算法是微阵列数据分析的重要工具,特征选择算法的分类性能和稳定性对微阵列数据分析至关重要。为了提高特征选择算法的分类性能和稳定性,提出一种面向高维微阵列数据的集成特征选择算法来弥补单个基因子集信息量的不足,提高基因特征选择算法的分类性能和稳定性。该算法首先采用信噪比方法选择若干区分基因;然后对每个区分基因利用条件信息相关系数评估候选基因与区分基因的相关性,生成多个相关基因子集,最后,通过集成学习技术整合多个相似基因子集。实验结果表明,本文提出的集成特征选择算法的分类性能以及稳定性在多数情况下均优于只选择单个基因子集的方法。