李萍
- 作品数：3 被引量：6H指数：2
- 供职机构：北京工业大学电子信息与控制工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：生物学医药卫生自动化与计算机技术更多>>
- 基于一种混合法的胃癌基因表达谱分类特征基因选取
- 2010年
- 通过对29例来自日本的胃癌样本基因表达谱数据集进行样本分类特征基因选择的研究,提出一种称为混合法的特征基因选取方法.该法结合了基因选择法中的过滤法(filter)和融合法(wrapper)的优点,可在过滤法的时间内达到融合法的分类效果.研究还采用了支持向量机(SVM)、人工神经网络(ANN)和K-近邻法(KNN)3种分类方法对混合法所选取出的10个与胃癌有关的特征基因的有效性进行了验证,发现所选取出的10个特征基因中,有2个与K im等人的研究成果相重合.研究表明混合法特征基因选取方法是有效的.
- 李建更李萍阮晓钢
- 关键词：肿瘤分类基因表达谱人工神经网络
- PCA和PLS应用于胃癌亚型分类研究被引量：3
- 2009年
- 文章研究了基于微阵列基因表达数据的胃癌亚型分类。微阵列基因表达数据样本少、纬度高、噪声大的特点,使得数据降维成为分类成功的关键。作者将主成分分析(PCA)和偏最小二乘(PLS)两种降维方法应用于胃癌亚型分类研究,以支持向量机(SVM)、K-近邻法(KNN)为分类器对两套胃癌数据进行亚型分类。分类效果相比传统的医理诊断略高,最高准确率可达100%。研究结果表明,主成分分析和偏最小二乘方法能够有效地提取分类特征信息,并能在保持较高的分类准确率的前提下大幅度地降低基因表达数据的维数。
- 李建更李萍李君阮晓钢
- 关键词：主成分分析偏最小二乘胃癌
- 基于机器学习方法的胃癌分型标志基因提取被引量：3
- 2009年
- 基于机器学习方法寻找和发现新的胃癌亚型分类的相关基因,可以为探讨胃癌发生的分子机制及其基因水平的诊断和治疗提供标志和依据。试验选用33例中国人的胃癌Oligo基因芯片数据,数据包括13例弥漫型胃癌样本2、0例肠型胃癌样本,基因向量为21 378个。采用基因表达差异显著性分析方法(SAM)、偏最小二乘VIP系数法(PLS)和基于巴氏距离的顺序前向搜索方法(BD-SFS)结合的多步骤降维方法,提取到20个能将弥漫型样本和肠型样本有效分开的特征基因。这些特征基因基于支持向量机(SVM),分类准确率可达到89.43%;基于分层聚类分析,准确率可达到93.94%。同时,基因生物学意义的分析结果显示,所选的大部分标志基因对于人类恶性肿瘤的诊断和分型有很重要的意义。
- 李建更李萍严志李君阮晓钢
- 关键词：胃癌基因表达谱
