Abstract ：

选取癌症基因组图谱数据库的肺鳞状细胞癌(Lung Squamous Cell Carcinoma,LUSC)样本作为数据集,在全基因组的水平上研究肺鳞状细胞癌病人从正常到发病I期基因表达的变化,寻找与LUSC发病密切相关的早期标志物,并建立一种基于早期标志基因的肿瘤预测模型.方法采用模式识别分类法和基因通路和功能分析相结合的筛选方法,对LUSC的早期标志物进行识别,并运用Fisher判别建立肿瘤预测模型.得到12个LUSC的早期标志物,分别是CLDN18,CD34,ESAM,JAM2,CDH5,F11,F8,CFD,MRC1,MARCO,SFTPA2和SFTPA1,机器学习建模后对LUSC早期癌症样本和正常肺组织样本的分类精度达到了98％以上.由基因SFTPA1和ESAM建立的LUSC早期肿瘤预测模型,对正常肺组织和LUSC肿瘤Ⅰ期样本的分类敏感性和特异性分别为99.18％和100％,并且独立验证集的分类准确率也在90％以上.结论筛选出的12个早期分子标志物有望成为LUSC诊断的标志分子,并且建立的肿瘤预测模型具有极高的准确性,可以为LUSC的发生机理研究以及早期肿瘤预测提供帮助.

Keyword ：

肿瘤发生 诊断模型 基因表达 早期标志物 肺鳞状细胞癌

Cite：

Copy from the list or Export to your reference management。

Abstract ：

基于机器学习方法分析胃癌微阵列数据,寻找和发现新的胃癌亚型分类的相关基因,可为进一步研究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与依据.现有方法大多使用单个数据集提取特征基因,样本量少,提取的特征基因应用于其他同类数据分类效果差.本文提出了一种遗传算法与支持向量机(support vector machine,SVM)相结合的特征基因提取方法,并行分析了3个胃癌微阵列数据集,提取的特征基因在所有数据集中均达90％以上的分类准确率.进行了4 580次实验,统计基因在遗传算法种群中出现的次数依次排序,得出了可能对胃癌亚型分类起关键作用的基因(AGT、FBLN1等).对提取的特征基因的生物学意义分析结果表明,本方法能很好地识别胃癌亚型分类基因,所选择的特征基因对人类胃癌肿瘤的诊断和分型有重要意义.

Keyword ：

胃癌 支持向量机(SVM) 标志基因 遗传算法

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对结肠癌标志基因选择问题,引入一种最高得分对(TSP)方法,处理一组包含40个肿瘤和22个正常样本的结肠癌微阵列数据,得到标志基因对(VIP,DARS)并构建双基因分类器.结果显示,该分类器对62例样本的分类准确率可达93.55%.进一步,利用荧光实时定量PCR在10个独立样本上检验所选基因对的分类效果,正确率为100%,表明该方法能有效地选择结肠癌标志基因,对临床诊断有积极的意义.

Keyword ：

双基因分类器 荧光实时定量PCR(Q-RT-PCR) 标志基因 结肠癌

Cite：

Copy from the list or Export to your reference management。

Abstract ：

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21 378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.

Keyword ：

特征选择 胃癌 基因表达谱 标志基因

Cite：

Copy from the list or Export to your reference management。

Abstract ：

采用生物信息学方法对肿瘤基因表达数据进行挖掘,以获取和肿瘤不同亚型相关的候选标志基因集合,应用机器学习方法从标志基因集合中提取出甄别肿瘤不同亚型的规则集,进而建立起肿瘤预测模型.利用Relief、信息增益和分类信息指数从不同角度挖掘蕴含在基因表达谱中的候选特征基因,抽取出候选特征基因公约集合.以对不同肿瘤组织样本的识别能力为依据,选取分类能力最强的一组基因集合作为特征基因.利用规则判定树提取出反映这些特征基因相互作用的规则集并以此构建肿瘤预测模型,并将此模型应用于白血病基因表达数据中,建立了白血病分子预测模型.研究表明,该模型得到的白血病标志基因对肿瘤临床诊断具有一定的参考价值.

Keyword ：

基因表达谱 决策树 支持向量机 肿瘤

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本文从肿瘤基因表达谱分析入手,研究并选取胃癌相关标志基因集合,以此集合为基础抽取甄别肿瘤与正常组织的基因分类规则集,进而建立起肿瘤预测模型.首先,以支持向量机为分类器用特征基因集合的样本识别率为适应度函数,采用遗传算法对特征基因进行筛选.然后用决策树抽取特征基因的规则集,结合肿瘤分子生物学文献和生物实验建立肿瘤预测模型.最后通过对胃癌基因表达谱数据的分析,建立了胃癌预测模型,结果表明该模型对胃癌分子生物学实验和临床诊断具有一定的指导意义和参考价值.

Keyword ：

决策树 支持向量机 胃癌 遗传算法

Cite：

Copy from the list or Export to your reference management。