一种基于显现模式的基因分类算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (32): 180-184.

一种基于显现模式的基因分类算法

王海军^1,3,林亚平^2,1,卢新国¹,聂雅琳¹

1.湖南大学计算机与通信学院,长沙 410082
2.湖南大学软件学院,长沙 410082
3.河南科技大学理学院,河南洛阳 471003

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-11-11 发布日期:2007-11-11
通讯作者: 王海军

Gene classification algorithm based on emerging patterns

WANG Hai-jun^1,3,LIN Ya-ping^2,1,LU Xin-guo¹,NIE Ya-lin¹

1．School of Computer and Communication,Hunan University,Changsha 410082,China
2．School of Software,Hunan University,Changsha 410082,China
3．School of Science,Henan University of Science and Technology,Luoyang,Henan 471003,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-11-11 Published:2007-11-11
Contact: WANG Hai-jun

摘要/Abstract

摘要： 基于基因表达谱的分类技术对于疾病检测具有十分重要的研究意义。利用显现模式（Emerging Patterns,EPs）的基因分类方法不仅可以识别癌症样本,同时可以挖掘出隐含的与癌症相关的具有生物意义的基因模式,从基因角度揭示癌症病理。针对提取显现模式时在小样本情况下将频率近似于概率的缺陷以及PCL（Prediction by Collective Likelihood）分类器的不足,提出一种基于显现模式的基因分类算法：在显现模式的提取中引入贝叶斯估计以提高熵的可靠度,并借鉴KNN思想,提出一种新的基于EP的分类算法EP-KNN（Emerging Patterns-K Nearest Neighbors）。最后在急性白血病数据集上进行实验,实验结果表明新的算法提高了分类正确率,说明了该方法的有效性。

关键词: 显现模式, 贝叶斯估计, 基因分类, 基因表达谱

Abstract: Gene classification based on gene expression profiles is important for cancer detection.Using Emerging Patterns（EPs）gene classification algorithm can identify the sample’s cancer type and discover the hidden gene patterns related to the cancer.Then the cancer pathology is revealed.There is a shortcoming in the estimation of probability using frequency with small samples in the discovery of EPs and the PCL（Prediction by Collective Likelihood）classifier.So we propose a gene classification algorithm based on EPs：to increase the reliability of entropy bayes estimation is introduced into the discovery of EPs,and a novel classification EP-KNN（Emerging Patterns-K Nearest Neighbors）is proposed.The experiment is taken on the human acute leukemia dataset and the results show the new algorithm is feasible and effective.

Key words: Emerging Patterns（EPs）, Bayes estimation, gene classification, gene expression profiles

王海军^1,3,林亚平^2,1,卢新国¹,聂雅琳¹. 一种基于显现模式的基因分类算法[J]. 计算机工程与应用, 2007, 43(32): 180-184.

WANG Hai-jun^1,3,LIN Ya-ping^2,1,LU Xin-guo¹,NIE Ya-lin¹. Gene classification algorithm based on emerging patterns[J]. Computer Engineering and Applications, 2007, 43(32): 180-184.

[1]	邵豪1，张莹1，2，王飞1，张东波1，2，薛亮1. 基于分段加权的反向稀疏跟踪算法研究[J]. 计算机工程与应用, 2019, 55(4): 159-162.
[2]	王泉德1，肖继来1，谢晟2. BOLD效应fMRI图像的自适应阈值小波去噪方法[J]. 计算机工程与应用, 2017, 53(8): 170-173.
[3]	郭鹏. 基于贝叶斯压缩感知的自适应测量算法[J]. 计算机工程与应用, 2013, 49(9): 200-202.
[4]	王玉秀，黄剑，石欣. 无线传感器网络层次参考时间同步算法的研究[J]. 计算机工程与应用, 2013, 49(21): 70-74.
[5]	应文，李冬海，沈伟. 基于阵列单通道的信源数目和DOA联合估计方法[J]. 计算机工程与应用, 2013, 49(20): 230-234.
[6]	张岩，闫德勤，吕志超，郑宏亮. 强相关树基因选择方法及AE-RSVM分类研究[J]. 计算机工程与应用, 2013, 49(17): 245-249.
[7]	杨俊丽1，刘田福2，李祥生1. 样本类型无关的多类特征基因选择方法[J]. 计算机工程与应用, 2012, 48(36): 146-150.
[8]	汤希玮，李勇帆，胡秋玲. 结合多数据源预测蛋白质复合物[J]. 计算机工程与应用, 2012, 48(27): 105-108.
[9]	易波，文天柱，张原. 结肠癌基因表达谱数据集噪声处理研究[J]. 计算机工程与应用, 2012, 48(10): 146-149.
[10]	鄢伟安，宋保维，毛昭勇. 双边定数截尾下广义指数分布的贝叶斯估计[J]. 计算机工程与应用, 2012, 48(1): 234-236.
[11]	徐涛1，2，3，杨晓光2，徐爱功1，张明月1. 面向城市道路交通状态估计的数据融合研究[J]. 计算机工程与应用, 2011, 47(7): 218-221.
[12]	张玉春1，郝平波2，王明宇1，郭纯宏1. 结肠癌基因表达谱的分类检测问题研究[J]. 计算机工程与应用, 2011, 47(17): 244-248.
[13]	袁博1，2，尚赵伟1，3，郎方年3，张峰1，国庆1. PDTDFB变换和双变量模型在图像去噪中的应用[J]. 计算机工程与应用, 2011, 47(12): 149-151.
[14]	孙晶京¹，王力波²，罗伟¹. 肿瘤诊断中的特征基因提取[J]. 计算机工程与应用, 2010, 46(7): 218-220.
[15]	卢新国，彭湘华，李丹，周鹏杰，陈东. 在癌症识别中一种新颖的基因特征抽取算法[J]. 计算机工程与应用, 2010, 46(30): 237-240.