基于神经网络的癌症多亚型分类及关键致病基因选择

发布时间：2024-05-29 04:31

　　癌症日益威胁着人类的生存和健康,可能以不同的形式发生于人体的不同部位,形成不同类型的癌症。即便同种类型的癌症也会由于不同的基因突变表现为不同的亚型,给常规的癌症诊断和治疗带来困难。为了能够给癌症患者制定合理有效的个体化治疗方案,准确地进行癌症多亚型分类,并确定相关关键致病基因至关重要。本文即针对现有的与癌症多亚型分类相关的生物信息学方法展开研究和分析,首先针对癌症多亚型分类和关键致病基因选择设计了零隐藏层神经网络—弹性网正则化的Softmax回归(Elastic Net Regularized Softmax Regression,ENRSR)模型,该模型基于各个基因的表达谱进行分类,并通过弹性网正则化实现稀疏约束,在进行癌症多亚型分类的同时完成了关键致病基因的选择。本文分别在仿真数据和三组基因表达谱数据(乳腺癌、小圆蓝细胞瘤和白血病)上对ENRSR模型进行仿真研究,通过k-折交叉验证和分类结果的BCubed F值得分评估模型分类性能,并和传统的分类方法,如K-means、层次聚类、非负矩阵分解、期望最大化、支持向量机和随机森林等方法进行比较。仿真结果表明,ENRSR模型在癌症多亚型分...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 课题背景及意义
    1.2 课题研究现状
    1.3 课题研究内容
    1.4 本文的结构
2 癌症亚型分类的生物信息学方法
    2.1 数据预处理
    2.2 特征选择方法
    2.3 癌症分型方法
    2.4 分类性能评估方法
    2.5 本章小结
3 基于弹性网正则化Softmax回归的癌症多亚型分类及关键致病基因选择
    3.1 Softmax回归
    3.2 弹性网正则化
    3.3 基于弹性网正则化Softmax回归的癌症多亚型分类方法
    3.4 ENRSR算法的实现
    3.5 实验结果及分析
    3.6 本章小结
4 基于多层神经网络的癌症多亚型分类及关键致病基因选择
    4.1 多层神经网络
    4.2 多层神经网络的稀疏性
    4.3 基于多层神经网络的癌症多亚型分类方法
    4.4 MLNN算法的实现
    4.5 实验结果及分析
    4.6 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3984080