论文部分内容阅读
随着基因芯片技术在癌症研究中被广泛应用,大量有价值的微阵列数据被迅速积累,利用这些数据进行癌症标志物挖掘是生物信息领域的研究重点。微阵列数据为从分子层次上对癌症进行诊断、分型、致病机理的研究以及药物的快速开发提供了极大的便利,对癌症的早期诊断和治疗具有重要的研究意义和应用价值。然而,这些数据具“高维度小样本”的特点,其中包括大量噪声或冗余基因。面对这些数据医学专家在短时间内很难高效的对其进行分析。如果直接通过数据分析算法对这些数据进行建模处理,过多噪音和冗余的特征将极大降低算法的性能,提高计算复杂度,造成“维数灾难”。针对这一问题最有效的解决办法是特征选择(Feature Selection,FS)。特征选择已被用作降低数据维度的有效方法,并且在生物医学领域引起了越来越多的关注。其中,基于wrapper的特征选择方法利用特征子集的分类性能来获取最佳特征子集,因其具有更高的分类精确度和灵活性受到了广泛关注。搜索算法是wrapper方法中最重要的组成部分,对该方法的性能有很大影响。基于种群机制的元启发式算法通常作为wrapper方法的搜索算法。磷虾群优化算法是近年来提出的一种高效的元启发式算法,已经被广泛应用到经济负荷分配、训练神经网络和网络优化等问题当中。本文对磷虾算法进行改进,并将其应用到癌症微阵列数据特征选择中,主要研究成果如下:(1)针对二进制磷虾算法(Binary Krill Herd,BKH)在微阵列数据特征选择中存在搜索特征子集能力不足,易陷入局部最优和过早收敛的问题,本文提出改进的二进制磷虾算法,简称IGMBKH。首先,IGMBKH算法基于信息增益(Information Gain,IG)值选择一些排名靠前的特征用于指导初始解的构建以获得更好的初始种群。其次,在改良的二进制磷虾(Modified Binary Krill Herd,MBKH)算法迭代搜索阶段将混沌记忆权重因子引入到算法的操作算子中以促进磷虾算法进行更深入挖掘和开发,从而进一步增强算法的搜索能力。最后,为了避免陷入局部最优和过早收敛,在磷虾算法中使用双曲正切函数和自适应传递因子将磷虾个体的位置映射在二维空间。在六个癌症微阵列数据中的实验结果表明,与BKH、MBKH、其他经典和新近的特征选择算法相比,IGMBKH算法在使用更少特征数的情况下可以达到更高分类精度。在癌症微阵列数据特征选择中,IGMBKH算法可以进行更深层次的搜索,具有更强的搜索能力。因此,该算法可以作为理想的预处理工具,能够有效的对高维微阵列数据进行降维,更好的挖掘癌症数据中的特征。(2)改进二进制磷虾算法IGMBKH在搜索特征子集方面具有较强的竞争力,但相对来说单个磷虾算法IGMBKH存在收敛速度慢的不足,而二进制黑洞算法(Binary Bl ack Hole Algorithm,BBHA)是一个为数不多收敛速度快的算法。鉴于两个算法之间的互补性,本文提出一个自适应划分双种群的混合磷虾黑洞算法,简称IGMBKH-BBHA。IGMBKH-BBHA算法通过使用自适应划分规则控制种群中不同个体的数量以动态调控磷虾算法MBKH与黑洞算法BBHA的关系从而达到两个算法优势互补的目的。实验结果表明提出的混合磷虾黑洞算法IGMBKH-BBHA的收敛性和分类性能较单独磷虾算法和黑洞算法有一定的提高。然后测试并讨论了三种不同filter方法初始化MBKH-BBHA种群对算法性能的影响。最后通过对混合算法所选特征进行基因分析进一步验证了该方法筛选癌症生物标志物的性能。该方法在筛选癌症生物标志物中具有一定的参考意义,可以为相关研究者研究癌症与基因之间的关系提供新的有价值的信息。