基于深度学习的PD致病基因活性预测

基于深度学习的PD致病基因活性预测

ID:36620720

大小:733.97 KB

页数:5页

时间:2019-05-13

基于深度学习的PD致病基因活性预测_第1页
基于深度学习的PD致病基因活性预测_第2页
基于深度学习的PD致病基因活性预测_第3页
基于深度学习的PD致病基因活性预测_第4页
基于深度学习的PD致病基因活性预测_第5页
资源描述:

《基于深度学习的PD致病基因活性预测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第34卷第9期计算机应用与软件Vol34No.92017年9月ComputerApplicationsandSoftwareSep.2017基于深度学习的PD致病基因活性预测1,2212李自臣田生伟刘江越高双印1(乌鲁木齐职业大学信息工程学院新疆乌鲁木齐830002)2(新疆大学软件学院新疆乌鲁木齐830008)摘要帕金森病PD(Parkinson’sdisease)是一种神经性系统疾病,多发于中老年人。目前,该病情的病因和发病机制尚不明确,但根据多国临床试验数据统计与分析,PINKs基因是影响整个PD发病的重要原因之一。针对该基因的活性结构数据进行研究,提出基于深度学习的深

2、度信念网络(DBN)与稀疏自编码(SAE)预测方法。该算法能通过深层网络特征单元自动学习到适合分类器分类的高层非线性组合特征,并将这些高层次特征输入到分类器中进行数据分析。实验结果表明,DBN算法的平均预测精度较SVM与ANN分别提高了28.04%、18.84%;SAE算法的平均预测精度较SVM与ANN分别提高了23.51%、14.31%。所以,提出的基于深度学习的PINKs活性预测方法具有较高的预测精度和稳定性,与理论分布也较为相吻合,适用于该基因活性的研究与探讨。关键词活性深度学习 SAE 预测研究中图分类号 TP3    文献标识码 A    DOI:10.3969/j.i

3、ssn.1000386x.2017.09.037PREDICTIONOFPDDISEASEGENEACTIVITYBASEDONDEEPLEARNING1,2212LiZichen TianShengwei LiuJiangyue GaoShuangyin1(SchoolofInformationEngineering,UrumqiVocationalUniversity,Urumqi830002,Xinjiang,China)2(SchoolofSoftware,XinjiangUniversity,Urumqi830008,Xinjiang,China)Abstract 

4、 Parkinson’sdisease(PD)isakindofnervesystemdisease,morecommonintheelderly.Atpresent,theconditionoftheetiologyandpathogenesisisnotclear,butaccordingtomultinationalclinicaltrialdatastatisticsandanalysis,PINKsgeneisoneoftheimportantreasontoinfluencethewholePDpathogenesis.Thispaperstudyforthestru

5、ctureofactivitygene,andtheDBNandSAEareproposedforthePINKsactivityprediction.Theproposedalgorithmcanlearnautomaticallybythecharacteristicsofdeepwebunitissuitableforthehighnonlinearcombinationclassifierclassificationfeature,andwillthesehighlevelfeaturesinputstotheclassifierfordataanalysis.Thee

6、xperimentalresultsshowthattheDBNalgorithmtheaveragepredictionaccuracyofSVMwithANNrespectivelyincreasedby28.04%,18.84%;SAEalgorithmtheaveragepredictionaccuracyoftheSVMandANNrespectivelyincreasedby23.51%,14.31%.Inthispaper,basedonthedeepstudyofPINKsactivitypredictionmethodhashigherpredictionacc

7、uracyandstability,inconformitywiththetheoryofdistributionare,alsoisapplicabletotheactivityofresearchanddiscussion.Keywords  Activity Deeplearning SAE Prediction Research运动迟缓和平衡失调障碍,同时患者可伴有抑郁、便[1-2]0 引言秘和睡眠障碍等非运动症状。帕金森病最主要的病理改变是中脑黑质多巴胺DA(dopam

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。