1、微陣列作為一種新的分子生物學(xué)技術(shù),可以同時(shí)測(cè)量生物樣本在幾千個(gè)基因中的表達(dá)水平.從這一實(shí)驗(yàn)手段可以得到全基因組的基因表達(dá)數(shù)據(jù),為獲取內(nèi)在、未知而有意義的生物學(xué)知識(shí)提供了可能.這一領(lǐng)域研究的主要挑戰(zhàn)在于開發(fā)生物信息學(xué)工具來搜集分析數(shù)據(jù).該論文研究了有關(guān)微陣列數(shù)據(jù)挖掘所涉及的幾個(gè)主要問題,包括基因選擇,組織分類和通過基因表達(dá)數(shù)據(jù)的調(diào)控網(wǎng)絡(luò)重建等.該文主要的工作歸納如下:常用的排列法從微陣列數(shù)據(jù)中選擇的基因集合往往會(huì)包含相關(guān)性較高的基因,這會(huì)

2、影響分類器的性能.為了去除這些冗余基因(特征),提出了無監(jiān)督的特征選擇算法.算法主要包含兩步:將原始特征集劃分為一組相似的子集(聚類);從每個(gè)聚類中選擇代表性特征.特征的劃分采用特征間的相關(guān)性作為測(cè)度以k近鄰原則來完成.算法無需指定聚類數(shù)量,時(shí)間復(fù)雜度低.真實(shí)的生物學(xué)數(shù)據(jù)實(shí)驗(yàn)證明該算法可顯著提高分類器的分類準(zhǔn)確性.采用微陣列數(shù)據(jù)進(jìn)行組織樣本有監(jiān)督分類所面臨的主要挑戰(zhàn)在于基因數(shù)量遠(yuǎn)多于樣本數(shù)量.為此提出了采用人工神經(jīng)網(wǎng)絡(luò)集成的分類方法,該

3、方法使用Wilcoxon測(cè)試選擇用于分類的重要基因,神經(jīng)網(wǎng)絡(luò)集成中各個(gè)體通過凸偽數(shù)據(jù)法產(chǎn)生的數(shù)據(jù)來訓(xùn)練,用簡單平均法結(jié)合網(wǎng)絡(luò)個(gè)體的測(cè)試結(jié)果.實(shí)際的生物學(xué)數(shù)據(jù)實(shí)驗(yàn)表明該方法性能優(yōu)于單個(gè)神經(jīng)網(wǎng)絡(luò),最近鄰法和決策樹.貝葉斯網(wǎng)絡(luò)是一種表示多變量聯(lián)合概率分布的圖模型,它可以獲得變量之間的條件獨(dú)立關(guān)系.由于可以用來表示基因表達(dá)的復(fù)雜隨機(jī)過程而受到關(guān)注.該文比較了爬山法和馬爾可夫蒙特卡洛(MCMC)兩種貝葉斯網(wǎng)絡(luò)學(xué)習(xí)方法在模擬微陣列數(shù)據(jù)情況下的性能.