论文部分内容阅读
癌症的发生通常是由于细胞增长机制的失常而引起的,表现为细胞内某些基因突变或表达异常所致,进一步影响其他基因的表达,从而导致一些蛋白质分子的表达发生改变,因此产生了病理学上肿瘤的差异,形成了临床诊断中的不同的癌症类别。随着20世纪90年代启动的人类基因组计划(Human Genome Project)的顺利进行,DNA微阵列技术的迅速发展给癌症的临床辅助诊断和治疗带来了新的希望,它在实验中产生的基因表达数据可以使我们从基因水平对癌症病因进行分析和研究。但一次微阵列实验会同时产生数以万计的基因表达数据,对海量的基因表达数据进行分析和处理,从中提取有效的生物信息给人们的研究提出了新的挑战。基因表达谱数据分析是生物信息学领域研究的最重要内容之一,作为研究的一种重要的方法,正确的对不同病理分型的癌症进行分类,对癌症的临床诊断和治疗具有非常重要的意义。压缩感知理论的提出和发展,给高维的基因表达谱数据处理带来了新的启发:如果可以在某个空间基下对基因表达数据进行稀疏表示,在对数据分类时,特征选取不再是一个难点,大量的特征值将成为算法中可利用的优点。目前压缩感知算法已经成功的应用于人脸识别的研究,并且取得了很好的分类效果。基因表达数据同样具有小样本、高维性等特点,本文将采用压缩感知算法实现对基因表达数据的分类。本文分析并实现了压缩感知算法(Compressed Sensing, CS)并将其应用于国际上通用的基因表达数据的分类。首先将基因表达数据通过K近邻算法对缺失值进行添补,将数据标准化;在此基础将数据分为训练数据集和测试数据集,使用训练数据集构造冗余字典,采用随机分布的规范行矢量高斯矩阵构造传感矩阵,对训练数据集和测试数据集进行感知,利用更加简单的I2范数优化问题来求最小I0范数解,在变换域中采用近邻法测试判断测试样本的所属类别。从而实现压缩感知算法对基因表达数据的分类。经过反复实验,本文实现了对基因表达数据的分类,利用本文提出的压缩感知算法最终对三个国际上常用的基因表达数据集分类都得到了很好的分类效果,分类准确率达到了98.4%、99.3%、97%。而且压缩感知算法避免了特征提取问题,提高了分类的速度和准确率。