欢迎来到天天文库
浏览记录
ID:36555316
大小:2.87 MB
页数:30页
时间:2019-05-12
《基于基因表达谱的癌症分类问题研究》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、上海师范大学硕士学位论文基于基因表达谱的癌症分类问题研究姓名:张君丽申请学位级别:硕士专业:基础数学指导教师:王军201203上海师范大学硕士学位论文中文摘要摘要关于癌症问题的研究是目前世界各国都很关注的问题。众所周知,产生癌变的因素很多,包括基因突变,抑癌基因的功能丧失,原癌基因的激活,以及其它与癌症相关的因素。抑癌基因功能丧失和原癌基因激活都有可能导致癌症的形成,许多抑癌基因很早就被确定,但目前被确定的致癌基因却很少,所以发现更多的癌基因对癌症的治疗具有重要意义。早期的微生物基因组研究局限于简单的靶基因与功能相联系。随着生物信息学的发展,基因芯片分析成为癌基因
2、确定的一个重要手段。基因表达谱代表了每个基因的即时表达数据,从这些数据中挖掘有用的信息,发现与癌症有关的基因,是当前生物信息学研究的热门问题。本文以结肠癌数据为研究对象,分别建立了T-统计,信噪比和动态聚类等分类模型,并对分类结果进行了比较。本文的内容如下:.第一章介绍生物信息学产生的背景、概念、发展过程、研究的内容以及本文的研究工作。第二章介绍肿瘤分类问题中的特征基因选取的方法和机器学习方法。第三章基于结肠癌基因表达谱数据集,本文分别建立了三种聚类模型。对比分类结果,发现动态聚类的分类效果好,预测的精度平均达到90.62%。聚类的结果有助于结肠癌的诊断和治疗。关
3、键词:生物信息学;机器学习方法;结肠癌;特征基因提取;动态聚类上海师范大学硕士学位论文英文摘要AbstractAtprese鸸tremendousattentionhasbeen州dtotheresearchesofhumanCarlcer.Asisknown,therearemanycancerousfactors,includinggenemutation,tumor-suppressorgeneinactivation,proto-oncogeneactivation,andsoon.Tumor-suppressorgenesinactivationorpr
4、oto-oncogeneactivationmayleadtothecancerformation.Inthepast,manytumor-suppressorgeneshavebeendetected,butonlyafewoncogeneshavebeendetermined,sofindingmorecant汜rgenesisofgreatsignificance.Cancergenesinearlystagearedifficulttohediscovered,soitisveryimportanttodetectthecancergenesintreat
5、ment.Earlymicrobialgenomeresearchislimitedtoasimplegenefunctionassociation.Withthedevelopmentofthebioinformatics,genechipanalysisbecomesoneofthemostimportantmeansinCanCergenesdetermination.Geneexpressionprofilerepresentseachgeneexpressioninstantdata.Miningusefulinformationfromthedataa
6、ndfindingcancer-relatedgenesalehotresearchofcurrentbioinformatics.Basedonthecurrentcoloncanerdata,we·establishedamodelofT-statistics,signal—to-noiseratioanddynamicclusteringclassification,andthencomparetheclassificationresults.Theclassificationresultscanassisttheresearchaboutthecancer
7、diagnosisandtreatment.Thecontentsofthispaperareasfollows:Inchapter1,Weintroducedthebackground,basicconcepts,andmainresearchareasofbioinformaticsandthecontributionofthispaper.Inchapter2,weintroducedsomefeatureselectionapproachesandmachine-learningmethodsinthetumorclassificationproblems
8、.Inch
此文档下载收益归作者所有