基于蚁群算法和随机森林的上位性识别研究

《基于蚁群算法和随机森林的上位性识别研究》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、基分类号：TP391单位代码：10183于研究生学号：2015532093密级：公开蚁群算法和随机森林的上位性识别吉林大学研究硕士学位论文（学术学位）基于蚁群算法和随机森林的上位性识别研究ResearchonEpistasisDetectionBasedonACOandRandomForest吴迪作者姓名：吴迪专业：计算机应用技术研究方向：计算智能与生物信息指导教师：刘桂霞教授吉林培养单位：计算机科学与技术学院大学2018年4月基于蚁群算法和随机森林的上位性识别研究ResearchonEpistasisDe

2、tectionBasedonACOandRandomForest作者姓名：吴迪专业名称：计算机应用技术指导教师：刘桂霞教授学位类别：工学硕士答辩日期：年月日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除

3、文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊（光盘版）电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕

4、士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：■硕士□博士学科专业：计算机应用技术论文题目：基于蚁群算法和随机森林的上位性识别研究作者签名：指导教师签名：年月日作者联系地址（邮编）：吉林省长春市前进大街2699号（130012）作者联系电话：13943186102摘要摘要基于蚁群算法和随机森林的上位性识别研究上世纪90年代以来，随着生物技术的发展，特别是基因测序技术的发展，生物学的发展进入到一个全新的阶段，其中的标志性事件是人类基因组计划的启动，截止到2003年，人

5、类基因组计划的测序工作已经全部完成。随着计算机科学与生物学的迅猛发展，二者组合产生了生物信息学这一交叉学科。生物信息学利用计算机技术来对生物数据进行处理来探究生物学的研究问题。全基因组关联分析，通常是指在人类基因组范围找出与疾病或者性状相关的单核苷酸多态性。虽然GWAS（Genome-wideassociationstudy）已经取得了很多的成果，但是对于大多数疾病，GWAS只能解释一部分遗传可能性。许多人类疾病和特征背后的遗传因素并没有被找到，这一现象被称为“遗传性缺失”。遗传性缺失的一个可能原因是：标准

6、的GWAS分析中使用的可加性模型并不能很好的拟合基因型间的交互作用。遗传的可加性模型假设每一个遗传变异对疾病的作用是与其他遗传变异独立的。在实际中，这个假设可能是不成立的，基因之间可能存在上位性效应。本文在总结之前的研究方法的基础之上，提出了一种基于蚁群算法和随机森林的snp上位性探测方法。本文利用随机森林obbscore作为对snp集合的评价标准，其基于的理论在于：对于存在上位性的snp集合应该比不存在上位性的集合能更好的实现对疾病人群和正常人群的分类。随机森林在上位性的检测中获得了较为广泛的应用，获得了

7、一些成果，但也有学者对其的局限性提出了质疑。本文将随机森林整合到蚁群算法的框架中，希望在避免其局限性的情况下发挥其优势。本文以蚁群算法作为整体的算法框架，在蚂蚁的路径选择和对选取路径的评价上以及信息素更新上采用了符合数据特点的选择和创新。另外，好的启发式信息对蚁群算法的提升有着较为重要的作用。因此，本文提出了一种启发式信息生成算法SNPRANK。其结果可以用于特征选择，也可以用于指导蚁群算法的蚂蚁路径选择。实验证明，本文提出的组合算法有着较好的效果，融合算法的效果比单独算法的效果要优异。I摘要为了获得更好的

8、时间效率和更高的探测精度，本文首先利用SNPRANK对snp做一个筛选，去掉一些噪声snp，防止其在后续处理中干扰算法的运行结果。之后再将SNPRANK中生成的启发式信息融合到蚁群算法的框架中去。实验证明，本文提出的算法比以往基于蚁群算法的方法具有更好的效果和对不同模型的鲁棒性。在未来的工作中，我们将通过研究更好的启发式信息和局部搜索算法来增强算法的效果和鲁棒性。关键词：上位性，蚁群算法，随机森林，ReliefF