基于信息学理论的基因数据挖掘研究

在冗余和相关分析的基础上,进行特征选择和结合流形学习理论,提出了一种开展系统研究的模型,并对5个基因表达数据集(NCI、Lymphoma、Lung、Leukemia、Colon)开展了疾病分类研究。实验结果表明,这种建模系统在降低数据处理计算量的同时,能有助于特征基因数目的确定,并进而提高疾病分类的准确度,在诊断和个体化治疗方案的制定方面有着很好的应用前景。

质谱分析的生物信息学方法及其对比分析

蛋白质谱具有复杂、数据量大等特点,采用一般的统计学方法难以得到满意的疾病预测或分类结果。文从生物信息学的角度出发,综述了质谱数据挖掘的决策树模型、偏最小二乘法、神经网络模型和支持向量机几种主要方法,并对不同的方法给出了疾病诊断的实例说明,体现了质谱分析方法对疾病判别和预测的重要作用。