一种增强显现模式的癌症分类算法

doi:10.3778/j.issn.1002-8331.2010.26.071

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (26): 233-237.DOI: 10.3778/j.issn.1002-8331.2010.26.071

一种增强显现模式的癌症分类算法

卢新国¹，李丹¹，王海军²

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

收稿日期:2009-02-24 修回日期:2009-04-17 出版日期:2010-09-11 发布日期:2010-09-11
通讯作者: 卢新国

Cancer classification algorithm with improved emerging pattern

LU Xin-guo¹，LI Dan¹，WANG Hai-jun²

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

Received:2009-02-24 Revised:2009-04-17 Online:2010-09-11 Published:2010-09-11
Contact: LU Xin-guo

摘要/Abstract

摘要： 基于基因表达谱的癌症检测对癌症的治疗具有十分重要的意义。显现模式（Emerging Patterns，EPs）能够挖掘隐含的具有生物意义的基因表达模式，基于显现模式的癌症分类方法可以检测出癌症样本。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，引入贝叶斯估计以提高熵的可靠度，提取癌症表达中的增强显现模式（Improved Emerging Patterns，EPIs），并提出一种基于增强显现模式的基因分类算法（A Cancer Classification Algorithm with Improved Emerging Patterns CCEPI）。最后在急性白血病数据集上进行实验，实验结果表明算法提高了癌症检测的正确率。

关键词: 显现模式, 癌症分类, 基因表达谱

Abstract: Cancer detection with gene expression profiles is important for cancer treatment.Emerging Patterns（EPs） can discover the hidden gene expression patterns related to the cancer.And EPs based cancer classification algorithm can identify the cancer for the sample.For shortcoming in the estimation of probability with frequency when the size of samples is small in the EPs mining，Bayes estimation is introduced into the mining for increasing the reliability of entropy，then the Improved Emerging Patterns（EPIs） is extracted in cancer expressing，and a cancer classification algorithm with Improved Emerging Patterns（CCEPI） is proposed.The experiment is taken on the Leukemia dataset and the results show CCEPI can improve the correction in cancer detection.

Key words: emerging patterns, cancer classification, gene expression profiles

中图分类号:

卢新国¹，李丹¹，王海军². 一种增强显现模式的癌症分类算法[J]. 计算机工程与应用, 2010, 46(26): 233-237.

LU Xin-guo¹，LI Dan¹，WANG Hai-jun². Cancer classification algorithm with improved emerging pattern[J]. Computer Engineering and Applications, 2010, 46(26): 233-237.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	张国印¹，程慧杰^1，2，刘咏梅¹，姚爱红¹. 一种新算法在基因表达谱聚类中的应用[J]. 计算机工程与应用, 2009, 45(36): 216-218.
[9]	杨帆¹，王华珍²，米红¹. 面向局部特征的支持向量机递归特征消除[J]. 计算机工程与应用, 2009, 45(28): 1-5.
[10]	张小丹,吕建平. 基于SVM的非相关线性判别分析算法研究[J]. 计算机工程与应用, 2008, 44(4): 227-229.
[11]	阳少林,王树林. 基于神经网络的多类肿瘤亚型识别研究[J]. 计算机工程与应用, 2008, 44(11): 237-240.
[12]	何爱香朱云华安凯. 一种SRBCT亚型识别与特征基因选取方法[J]. 计算机工程与应用, 2007, 43(3期): 223-223.
[13]	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.
[14]	何爱香. 基于遗传算法的结肠癌基因选择与样本分类[J]. 计算机工程与应用, 2007, 43(18): 242-245.

一种增强显现模式的癌症分类算法

Cancer classification algorithm with improved emerging pattern

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics