用于样本聚类和网络分析的整合鲁棒结构化NMF模型

发布时间：2022-09-18 18:50

　　为了更好地保留数据之间的同质性,提出了一种整合鲁棒结构化非负矩阵分解（integrated robust structured non-negative matrix factorization, iRSNMF）模型,并在该模型中引入一个结构化项.将该模型用于癌症样本聚类实验和基因共表达网络分析,以验证其有效性.根据现有文献对相关基因和通路进行生物学解释.实验结果表明,iRSNMF模型聚类性能较好并且能够挖掘到的关键基因更多.用iRSNMF模型获得的基因和通路在癌症的发病机制中起着重要作用,并为癌症诊断、治疗和预后提供了新的思路. 

【文章页数】：18 页

【文章目录】：
1 相关工作
    1.1 联合NMF算法
    1.2 结构化的低秩矩阵分解表示算法
2 整合鲁棒结构化NMF算法
    2.1 模型创建
    2.2 模型优化
    2.3 收敛性与运行时间分析
3 实验及结果分析
    3.1 数据集
    3.2 评价指标
    3.3 参数选择
    3.4 聚类及结果分析
    3.5 网络构建
    3.6 构网结果分析
4 结语


【参考文献】：
期刊论文
[1]基于生物信息学分析RPS19基因在肾透明细胞癌中的表达及预后意义[J]. 蔡华裕,程远航,王洁,赵虎,吴卫真.  临床泌尿外科杂志. 2019(09)
[2]基于Hessian正则化的多视图联合非负矩阵分解算法[J]. 王超锋,施俊,吴金杰,朱捷.  计算机工程. 2017(11)
[3]聚类有效性评价新指标[J]. 谢娟英,周颖,王明钊,姜炜亮.  智能系统学报. 2017(06)
[4]改进的局部线性嵌入算法在癌症基因表达数据降维中的应用[J]. 刘文远,王春蕾,王宝文,王常武.  生物医学工程学杂志. 2014(01)
[5]基于非负矩阵分解的双重约束文本聚类算法[J]. 马慧芳,赵卫中,史忠植.  计算机工程. 2011(24)



本文编号：3680231