不同病理狀態(tài)下的基因調(diào)控網(wǎng)絡(luò)模式發(fā)生改變,表明其對應(yīng)的基因連接關(guān)系已改變。本文嘗試尋找那些連接關(guān)系改變的關(guān)鍵基因,以區(qū)分不同亞型的癌癥。從研究歷史文獻發(fā)現(xiàn),通常采用直接法和間接法來估計差異網(wǎng)絡(luò)。當考慮到時間花度和預(yù)測精度時,我們一般選擇直接估計法。由于樣本數(shù)據(jù)較少,因而,這些差異網(wǎng)絡(luò)估計法可能未能充分的利用其樣本信息�；诖�,文本提出采用Bagging算法集成直接估計法來估計差異網(wǎng)絡(luò),通過有放回的采樣,增加了數(shù)據(jù)的多樣性以及對數(shù)據(jù)的充分利用。在模擬數(shù)據(jù)上,將本文提出的模型與Dtrace模型進行對比分析,模擬實驗結(jié)果顯示本文提出的模型比Dtrace模型效果更優(yōu)。在真實數(shù)據(jù)集分析,將我們的方法應(yīng)用到不同亞型乳腺癌基因表達數(shù)據(jù)的分析上,采用穩(wěn)定性選擇算法選擇調(diào)優(yōu)參數(shù),最后模型確定了5個關(guān)鍵基因。通過調(diào)查研究文獻發(fā)現(xiàn),本文找到的5個關(guān)鍵基因?qū)^(qū)分不同亞型的乳腺癌有非常重要的作用。 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：33 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１：對差異網(wǎng)絡(luò)的間接估計與直接估計，間接估計是分別計算兩個差異網(wǎng)絡(luò)，再來計算最后差??異網(wǎng)絡(luò)；直接估計是直接計算得到一個差異網(wǎng)絡(luò)??

選擇變量方面的效果較差。而Ｌａｓｓｏ的提出，則克服了以上方法的不足。??Ｌａｓｓｏ是通過加入對各系數(shù)的Ａ范數(shù)懲罰，使系數(shù)向量產(chǎn)生稀疏，從而達到??變量選擇的作用。通過圖形直觀理解見圖２丨１７］，用紅色環(huán)線表示目標最小二乘函??５??

在數(shù)據(jù)推動下，本文將不同病理狀態(tài)下的基因表達數(shù)據(jù)與靜態(tài)基因調(diào)控網(wǎng)絡(luò)??數(shù)據(jù)有機結(jié)合，構(gòu)建了新的差異網(wǎng)絡(luò)分析模型一一應(yīng)用Ｂａｇｇｉｎｇ?Ｄｔｒａｃｅ模型推斷??基因差異網(wǎng)絡(luò)，模型結(jié)構(gòu)見圖３。本章將詳細介紹Ｂａｇｇｉｎｇ算法應(yīng)用到差異網(wǎng)絡(luò)推??斷以及參數(shù)選擇中，本文的算法的整體框架如算法３所示：??１２??


本文編號：2938775