肿瘤亚型分析中针对基因表达数据差分进化特征选择算法的研究

发布时间：2020-08-28 00:18

【摘要】：生命的遗传物质DNA,我们可以将其蕴含的若干基因同时监测,利用芯片杂交技术和测序技术在单次试验中测度这些基因的表达水平,然后基于大数据进行科学分析研究,以帮助我们了解生命的奥秘。特别是二代测序技术的逐渐发展产生了大量的基因组数据,替代了 Sanger测序技术的地位。另外三代、四代测序技术的崭露头角体现了其大片段、单分子等测序特点所带来的优势。这些高通量测量技术在打破传统实验手段局限性的同时,其快速发展伴随着各种生物基因组数据的累积。另外大型、跨学科、跨国的研究项目相继启动及展开,其相应综合型生物数据库互联网平台为科学研究和精准医疗做出了巨大的贡献。因此,挖掘和解释数据的模式与规律成为当今的热点主题,特别是生物信息学中各种方法的应用,成功解决了分类、聚类、关联分析等相应研究的问题。另外机器学习算法对基因表达数据模式识别能较智能化的识别具有生物学意义的基因,并使其在实际生活应用中帮助生物医学临床的诊断和治疗。其中各种特征选择方法的相继发展成为高通量基因表达数据集模式识别和基因筛选的常规手段。虽然监督学习的特征选择方法在对大数据集的学习中十分高效、快捷,但对于像基因表达数据这样高维的数据来说,随着维数的增加其计算效率迅速降低甚至成为一个NP问题。优化搜索算法的发展成功解决了该问题,其中应用最多的启发式优化搜索算法如各种进化算法发展迅速。在进化算法家族中遗传算法、差分进化算法在其优化搜索上展现了其独特的竞争力,其中差分进化算法以其鲁棒性、快速收敛等特点迅速成为研究人员关注的焦点。因此我们在基因表达数据集上使用Ahmed Al-Ani等人提出的一种随机种群进化优化算法---差分进化特征选择算法,解决特征基因选择问题。然而发现该算法的缺点,由此我们改进该算法适用于基因表达数据集,其中将控制进化速率的尺度因子视为一种偏态分布,然后基于染色体空间结构变动的事实改进基因排列的固定方式以及使种群波动性进化。另外考虑到机器学习中基因表达数据集普遍的类不平衡特性,将训练数据集和测试数据集保持其类别构成比几乎相同,同时利用权重精度评估分类器模型的性能,由此缓解牺牲少数类的训练影响。算法优化的适应度函数我们考虑了不同特征基因子集大小的影响,根据Dashtban M.等人提出的罚分策略,将适应度函数由权重精度和罚分项组成。另外,我们从Laura Cantini等人发现microRNA-mRNA互作网络中潜藏着分子亚型而获得灵感,在对于肿瘤亚型的研究中,将算法优化的特征基因子集与肿瘤多类亚型探索联系起来,然后特征基因构建样本关系网络,利用极大平面过滤图算法PMFG过滤该网络,并使用拓扑图形划分算法初步探索肿瘤亚型划分的可行性。在本研究工作中改进的差分进化特征选择算法即模拟了宏观的物种进化方式,又模拟了微观分子间位置关系的演变,以实现算法更近似模拟研究对象的活动规律。在真实的数据应用上,表现出该算法高效的计算能力和良好的结果。而且在肿瘤亚型拓扑探索研究中,我们将特征基因作为媒介构建样本关系网络,其中每个基因都能高效判别。然后以对照组作为一个独立社团为基准即参照物,利用PMFG算法过滤网络,拓扑划分方法实现肿瘤亚型的划分,而相应的特征基因集值得进一步研究分析。虽然没有验证拓扑划分的生物学意义,但我们的研究工作在大数据肿瘤背景下提供了借鉴之处。
【学位授予单位】：南方医科大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R730;Q811.4
【图文】：

分布图,基因变异,尺度因子,系数

保证对其后ＧＶＣＥ邋（Ｇｅｎｅ邋Ｖａｒｉａｂｌｅ邋Ｃｏｅｆｆｉｃｉｅｎｔ邋Ｅｎｔｒｏｐｙ）的计算使其值不为０。在逡逑本文中将ＧＶＣＥ称为基因变异系数摘，由于差分进化尺度因子的取值范围一般逡逑设置为０？１，因此将其最大值标准化使０＜ＧＶＣＥ＜１。图２－１展示了本文中使用的逡逑各个基因表达数据集尺度因子的分布情况即基因变异系数熵的分布图。逡逑２２逡逑

过程图,轮盘,亲代,子代

逑在Ｎ除以Ｄ余数不为零的情况下，轮盘剩余空位用无穷大符号填充，整个轮盘逡逑的基因排列方式如图２－２，该图展示了模拟染色体上基因空间位置亲代ｇ与子代逡逑ｇ＋１演变的过程，假设轮盘模板数Ｄ为２，基因数量Ｎ为３１，轮盘上的数值代逡逑表基因对应的索引，红色的基因为算法优化选择的较优特征，上下两代遗传中逡逑保持基因位置的不变性。逡逑ｇ逦ｇ＋１逡逑１１逦ｉ５逦２0逦Ｉ逦ｎｒ逡逑２６逦８逦ｉｒｊ逦ＴＴ逡逑１逦２４逦１逦２４逡逑逦邋逦邋逦邋逦逡逑２１逦３０逦ｓ逦Ｉ逡逑３逦５逦ＴＴｌ逦５逡逑Ｉ邋Ｉ逦Ｉ逡逑１４逦２２逦［＼邋ＴＨ邋２２逡逑ｈｒ逡逑一逦逦逦邋Ｇｅｎｅｓ邋Ｘ逦逦逦逡逑１９逦ＩＳ逦］／邋１？邋Ｉ邋２６逡逑２５逦＊逦＇逡逑２０逦６逦２９逦３１逡逑ｎ逦２３逦６逦ｒ逡逑１０逦１６逦９逦２３逡逑２９逦１３逦￣４｜逦１８逡逑１２逦３１逦１２逦１０逡逑２８逡逑图２－２亲代与子代间轮盘模拟染色体上基因空间位置演变的过程。逡逑Ｆｉｇ邋２－２邋Ｔｈｅ邋ｒｏｕｌｅｔｔｅ邋ｓｉｍｕｌａｔｅｓ邋ｔｈｅ邋ｅｖｏｌｕｔｉｏｎ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｔｈｅ邋ｇｅｎｅ邋ｓｐａｔｉａｌ邋ｐｏｓｉｔｉｏｎ邋ｏｎ邋ｃｈｒｏｍｏｓｏｍｅ逡逑ｂｅｔｗｅｅｎ邋ｐａｒｅｎｔ邋ａｎｄ邋ｏｆｆｓｐｒｉｎｇ．逡逑基于前面轮盘模拟染色体片段的过程，初始种群随机从轮盘模版上产生，逡逑并用适应度函数评判比较产生初始亲本。在计算步骤进入差分进化计算之前，逡逑我们依据生物表型是由遗传和环境共同影响的理论基础，将种群中ＮＰ个特征基逡逑因子集的适应度函数值ＦｉｔＥｉｒｏｒ进行比较

分类器,优化过程,数据集,能波

硕士学位论文逡逑带来的影响。最后算法终止观察整个种群中个体的质量，一定比初始阶段时期逡逑的种群个体要好，并且代与代之间存在差异。图２－３展示了两个高度类不平衡数逡逑据集在ＫＮＮ和ＳＶＭ分类器训练上的这一现象，图２－４展示了另外三个数据集逡逑在ＫＮＮ、ＳＶＭ和ＮＢ分类器上的种群波动进化现象，两图都表明该操作能波动逡逑性的影响种群的进化历程，另外对种群的进化整体而言，其呈现出向更优方向逡逑进化的发展趋势。逡逑Ｐｏｐｕｌａｔｉｏｎ邋Ｖａｒｉａｂｉｌｉｔｙ邋ｏｎ邋ＢｒａｉｎＴｕｍｏｒｌ逡逑Ｉ逦Ｔ逦？晒逡逑Ｊ逦１逦＋邋ＳＶＭ逡逑ｉ逡逑Ｌ逡逑ＧｅｎｅｒａｔＫｊｎｓ逡逑＜ｂ）逦Ｐｏｐｕｌａｔｉｏｎ邋Ｖａｒｉａｂｉｌｉｔｙ邋ｏｎ邋Ｃｏｌｏｎ逡逑？逦Ｃｉａｓｓｉｆｉｅｒ逡逑Ｉ邋．逦—逡逑￡逦ＳＶＭ逡逑４逡逑ｉ逡逑Ｇｅｎｅｒａｔｏｒｓ逡逑图２－３利用ＫＮＮ和ＳＶＭ分类器训练的种群进化波动优化过程。（ａ）和（ｂ）分别表示逡逑ＢｒａｉｎＴｕｍｏｒｌ和Ｃｏｌｏｎ数据集的结果。逡逑Ｆｉｇ邋２－３邋Ｐｏｐｕｌａｔｉｏｎ邋ｅｖｏｌｕｔｉｏｎａｒｙ邋ｖｏｌａｔｉｌｉｔｙ邋ｏｐｔｉｍｉｚａｔｉｏｎ邋ｐｒｏｃｅｓｓ邋ｉｓ邋ｔｒａｉｎｅｄ邋ｂｙ邋ＫＮＮ邋ａｎｄ邋ＳＶＭ逡逑ｃｌａｓｓｉｆｉｅｒｓ，邋（ａ）邋ａｎｄ邋（ｂ）邋ｉｎｄｉｃａｔｅ邋ｔｈｅ邋ｒｅｓｕｌｔｓ邋ｏｎ邋ＢｒａｉｎＴｕｍｏｒｌ邋ａｎｄ邋Ｃｏｌｏｎ邋ｄａｔａｓｅｔｓ，邋ｒｅｓｐｅｃｔｉｖｅｌｙ．逡逑２５逡逑

【参考文献】