肺腺癌基因分类分析

发布时间：2021-12-10 16:12

　　肺癌是世界公认的发病率和死亡率较高的恶性肿瘤之一.肺癌在中国的形势则更为严峻,其发病率和死亡率已跃居第一位.其中,肺腺癌（Lung Adenocarcinoma,LUAD）的发病率逐年增高且呈现激增趋势,又因其病灶易转移、患者就诊不及时,往往难以治愈.随着基因检测和基因诊断的兴起,肺腺癌的早期预防和诊疗出现了新的契机.然而,基因的数量成千上万,若对每一位患者的全基因组进行测序,存在效率低和成本高的弊端.若能对基因进行分类,利用同类基因在表达上具有相似性的特点,则可以减少基因检测的工作量.本文以美国国立生物技术信息中心（NCBI）中肺腺癌患者基因数据为研究对象,运用统计方法和机器学习方法构建分类器,对致病关键基因进行分类.在研究过程中,创新性地提出因子分析-SMOTE-KNN/逻辑回归/AdaBoost分类模型,因子分析用于分类和标注,SMOTE采样用于平衡数据,分类算法用于构建多类别分类器,提高了分类效果,为指导临床基因筛选节省经济成本和时间成本提供依据.本文的主要工作如下:（1）对肺腺癌基因数据进行预处理.首先,本文在P<0.001水平下,采用倍数法,选取了 |logFC|&g... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图２．１：?ＫＮＮ基本思想??

＞ｔ？?ｊ－?■？＊？；ｒＷ＞＊??ｉ＊?入：》ｖ？Ｖ?ｉｖ＃?Ｗ?Ｖ＊ｎ?＜？?＊．Ｗ？＇Ｐ?ＪＪ?！？？？？？?）＜＾＜ＡＯＩ?ｉ＞＊：?Ｉ．?１Ｖ＜?Ｈ?＞：?Ｍ？Ｗ，?＾ＴＶ？Ｕ?ｉｓ?？，?？０？?＇＊?？?ｗｒ？．ｖ＊ｖ??Ｉ＊?？？？＊?ｗ?ｕｉａ?ｖ?ｗ．ａｓ＃Ｍ？－５？ｆｃ．．？Ｍ？?＊?ａ?ｕｓｍｊ?？ａ？．?ｉ?：?？ｒ？?ｋ?？．ｉｖ？ｖ?／ｍＭＭ％?＊?？ｆ〇ｅｉ＊？？?ｎ?ｔ＜ａ?ａ?ｕ?＞？？？？；??（ａ）?（ｂ）?（ｃ）??图３．２：差异基因部分截图??假设肿瘤样本为而ｅ?Ｒｄ，?ｉ?＝?１，２，?？?？?？?，?５７，确定采样倍数ｉＶ，使得新的样本??数为变量５倍以上．近邻样本个数＝?５，近邻样本确定方法采用欧氏距离．操??作步骤如下：??（１）在欧氏距离下，找到距离样本而，最近的５个样本，记为而（ｎｅａｒ），?ｎｅａｒ?￡??｛１，２，…？，５｝．??（２）随机选择ｎｎ?￡?｛１，２，…，５｝，得到样本叫??（３）随机生成向量?ｃ?＝?（６，＆，…，６ｉ）Ｔ，其中?６：?￡?（〇，１），ｉ?＝?ｉ，２，．．．，ｄ，合成新??样本?Ｘｊｎｅｉｔ）．??？＾ｉｎｅｗ?＿?工ｉ?＋?Ｃ?．（工ｉ（ｎｎ）?一?－＾ｉ）?？??⑷将步骤⑵－⑶重复ｉｖ次，即从Ｘｉ出发得到ＴＶ个新合成样本而＿，ｎｅｉｏ?ｅ??｛１，２，．．．，ｉＶ｝．??（５）将步骤（１）－（４）重复５７次，即得到５７?＊?ＴＶ个新合成样本．??（６）将原肿瘤样本与新合成样本合并，作为新的原始样本．??对于新的原始样本采用极值处理法进行数据标准化，消除量纲和量级的影??响．??３．６评价标准??

?山东大学硕士学位论文???数据ｍｓ３??１?■??——宏褚辑半??０９?—宏召涔率??０．８?．?｜…鐲罕－??Ｑ．７?＋＿＋．＋?＋■?＋?．＋．＋？＋．＋？‘丄??＋?＋?＋?＋?＋＋十＋?＋＋？＋．＋?＋?＋？＋？＋■＋??＾?〇ｅ??蠢〇５‘??—０．４?．??０．３?■??〇．２＼两一、??〇１?？??０??１?＇?１?＇?１?＇??５?１０?１５?２０?２５?３０??Ｋ的取值??图４．１：?ＫＮＮ评价指标??可以看到，四个评价指标随着Ｋ值的增大，呈现先下降后上升再下降的趋??势．数据集＆各项指标波动较大，这是因为数据集＆较小，在＊５折交叉验证??中，各项指标对训练集和验证集划分的依赖性较大．相比较之下，数据集＆和??＆各项指标在Ｋ值超过一个数值后趋于平稳．??根据图像，在此将Ｋ?＝?１，２，．．．，１０时的准确率和宏Ｒ值做对比．由??表４．１０可知，数据集＆在Ｋ?＝?１，９，１０时有较高的准确率，数据集＆在Ｋ?＝?１，４??时有较高的准确率，数据集而在Ｋ?＝?１，３时有较高的准确率．但Ｋ?＝?１时容??易分类结果容易受到周围噪声的影响，实际运用时不建议选取．??｜１丨２?丨３丨４?一?５丨６?７?｜?８?｜?９?｜?１０￣??｜?准确率?０．６１７１?０．５０４５?０．５４５０?０．５１３５?０．５１８０?０．５８１１?０．５４０５?０．５８１１?０．６０８１?０．６０８１??Ｓ＇?宏?Ｇ?０．４０７９?０．２４８２?０．２５５６?０．２２４１?０．２３３４?０．２８０２?０．２６６５?０．２７４４?０．２８５９?０．２８６７??准

【参考文献】：
期刊论文
[1]树状高分子载体在前列腺癌基因治疗中的应用[J]. 窦小锋,林梅.  临床误诊误治. 2019(12)
[2]综合评价中数据标准化方法比较研究[J]. 刘竞妍,张可,王桂华.  数字技术与应用. 2018(06)
[3]肺腺癌的治疗现状[J]. 王斌,张雨洁.  世界最新医学信息文摘. 2018(45)
[4]基于HBase的多分类逻辑回归算法研究[J]. 刘黎志,邓介一,吴云韬.  计算机应用研究. 2018(10)
[5]大数据背景下的生物信息学研究现状[J]. 王俊,郭丽,吴建盛,汤丽华,胡栋.  南京邮电大学学报(自然科学版). 2017(04)
[6]生物信息学研究概述[J]. 李淮.  开封教育学院学报. 2017(06)
[7]腺病毒介导基因治疗与病毒治疗前列腺癌的靶向研究进展[J]. 蔡忠林,刘强照,周川,李慧,李文娟,魏绪磐,周逢海.  现代泌尿外科杂志. 2017(11)
[8]线性无量纲化方法比较研究[J]. 詹敏,廖志高,徐玖平.  统计与信息论坛. 2016(12)
[9]癌症基因诊断的现状与未来[J]. 郑大为,郑文岭.  家庭医学. 2016(08)
[10]基因表达差异谱数据的显著性分析方法[J]. 刘正龙,王洪平,杨艳梅,罗玉军.  数理医药学杂志. 2015(02)



本文编号：3532961