基于点的代数连通强度和非负矩阵分解的肿瘤基因分类-论文.pdf

《基于点的代数连通强度和非负矩阵分解的肿瘤基因分类-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2O15年1月安徽大学学报(自然科学版)January2015第39卷第l期JournalofAnhuiUniversity(NaluralScienceEdition)V()1．39No．1doi：10．3969／j．issn．1000—2162．2015．01．014基于点的代数连通强度和非负矩阵分解的肿瘤基因分类王年，宋豪，汪沁紫(安徽大学{1‘算机智能与信号处理教育部重点实验室，安徽合肥230039)摘要：随着DNA微列阵技术的发展，利用基因表达谱数据进行生物信息的有效挖掘已经成为研究热点．因此．该文

2、中提出将点的代数连通强度与非负矩阵分解相结合的方法对基因表达数据进行分类处理．首先利用点的代数连通强度剔除受外界因素影响过大的基因数据并用修正的特征计分准则进行汁分排序，选取具有高计分的基因子集；接着利用近来流行的非负矩阵分解将该基因子集映射到极低维的特征空间；最后利用SVM分类器实现分类实验．通过几组公开的基因表达谱数据集的实验结果以及与其他方法的对比分析，验证了该方法足有效的、可行的．关键词：基因表达数据；点的代数连通强度；非负矩阵分解；修正的特征计分准则中图分类号：TP18文献标志码：A文章编号：100

3、0—2162(2015)0卜0092—05ClassificationoftumorgenebasedonthealgebraicconnectivitystrengthofpointandnonnegativematrixfactorizationWAN(Ninn，S()NGHao，WANGQin—zi(KeyLaboratoryofIntelligentComputingSignalProcessing，MinistryofEducation，AnhuiUniversity，Hefei230039，Chi

4、na)Abstract：WiththerapiddevelopmentofI)NAmicroarray，usingtheexistingdataprocessingtechnologytoexcavategenedataefficientlyhasbecomeahotresearchinbioinformatits．Therefore。thispaperputsforwardamethodwhichcombinestlnealgebraicconnectivitystrengthofpointwithnonn

5、egativematrixfactorizationtocategorizethegeneexpressiondataprocessing．First。usethealgebraicconnectivitystrengthofpointtoeliminatetheuselessgenesexpressiondata；then，scoreandrankthegenesexpressiondatabasedonrevisedfeaturescorecriterion；next，usenonnegativematr

6、ixfactorizationtomapthegenesubsettoafeaturespaceofverylowdimension；atlast，categorizethegeneexpressionbyusingSVMclassifier．Somerepresentativegroupsofgeneexpressiondataareusedfortest。and1hefeasibilityandeffectivenessofthisalgorithmhasbeenwellprovedbycontrastt

7、estsbetweenothermethods．Keywords：geneexpressiondata；thealgebraicconnectivitystrengthofp(tint；nonnegaliwmatrixfactorization：revisedfeaturescorecriterion收稿日期：201『_(1r卜16基金项目：家}I然利学金资助项l{(60772121)；发徽竹f1然利．坫金资助坝}I(12O8()85MF!)；~)；徽人、：“2”术创新⋯队金资助(KJTI)()07A)；发徽

8、人2o13大学生科研圳绿汁划璇I』J坝flI(KhXI201)作者简介：l(1966)．．安徽和县人．徽人、j：教授．I帅．I．第1期王年，等：基于点的代数连通强度和非负矩阵分解的肿瘤基因分类93随着基因表达谱技术的进步，对肿瘤基因的识别与分类的研究已经成为生物信息学的研究热点．如果能够对肿瘤基因做出正确的识别和判断，挖掘出有用的信息和知识，对推动肿瘤学的基础研究和肿瘤的临床诊断和治疗，进而研究肿瘤