基于机器学习方法的胃癌分型标志基因提取

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：基于机器学习方法寻找和发现新的胃癌亚型分类的相关基因，可以为探讨胃癌发生的分子机制及其基因水平的诊断和治疗提供标志和依据。试验选用33例中国人的胃癌Oligo基因芯片数据，数据包括13例弥漫型胃癌样本、20例肠型胃癌样本，基因向量为21378个。采用基因表达差异显著性分析方法（SAM）、偏最小二乘VIP系数法（PLS）和基于巴氏距离的顺序前向搜索方法（BD—SFS）结合的多步骤降维方法，提取到20个能将弥漫型样本和肠型样本有效分开的特征基因。这些特征基因基于支持向量机（SVM），分类准确率可达到89．43％；基于分层聚类分析，准确率可达到93．94％。同时，基因生物学意义的分析结果显示，所选的大部分标志基因对于人类恶性肿瘤的诊断和分型有很重要的意义。

原文链接:http://www.cqvip.com//QK/90680X/200904/31248032.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：机器学习 学习方法 分层聚类分析 cqvip 支持向量机 胃癌 基因表达谱 标志基因 特征选择