基因芯片整合方法在预报儿童急性髓性白血病亚型中的应用

对急性髓性白血病（AML）病人进行明确的亚型分类,有助于制定合适的治疗方案并预测其治疗效果。之前研究表明基因芯片技术在白血病亚型分类中已取得了较好效果,但由于儿童AML发病率较低,相应的芯片分析研究较少,因此目前用于构建儿童AML亚型分类模型的数据相对不足,是否可以应用现有的成人分类模型数据来对儿童AML进行预报还有待研究。应用基因芯片整合分析方法,对来自不同实验的研究成人或儿童AML亚型分类的基因芯片数据进行整合,应用支持向量机分析整合后数据集的亚型预报准确率。结果表明整合后的芯片数据在儿童AML亚型分类预报中的准确率达到97．24％,特征基因分析结果也说明在同一种AML亚型中,对于来自不同年龄组的样本,其特征基因有较高的表达相似性。     

基于特征选择和概率神经网络胃癌计算机辅助诊断

应用信噪比和概率神经网络的方法,结合实验数据,提出胃癌分类模型.它是利用已知信息对胃癌样本进行分析和判别.其方法是首先对数据进行分类信息指数信噪比分析,根据分类信息指数信噪比大小排序,然后采用特征向量递增的方法,将特征向量输入概率神经网络进行分析,采用留一法对PNN训练和检测,找出训练效果最好的特征向量子集.这种模型用MATLAB软件实现,具有可操作性,可推广到其它相应的疾病辅助诊断中去.     

基因芯片及其在性传播疾病病原体研究中的应用

基因芯片是近年发展起来的一种高通量的核酸分析技术,已成为“后基因组时代”的重要分析工具之一。本简述了基因芯片的概念、分类及特点,并对基因芯片技术在性传播疾病病原体淋球菌、沙眼衣原体、解脲脲原体和人乳头瘤病毒研究中的应用作了综述。     

基于不同分类模型的基因芯片癌症诊断方法研究

基因芯片技术的发展为生物信息学带来了机遇,使在基因表达水平上进行癌症诊断成为可能。但基因芯片数据高维小样本的特征也使传统机器学习方法面临挑战。本文利用真实的基因表达数据,测试了目前主要的分类方法和降维方法在癌症诊断方面的效果,通过实验对比发现：基于线性核函数的支持向量机可以有效地分类肿瘤与非肿瘤的基因表达,从而为癌症诊断提供借鉴。     

基于CART算法的肺癌微阵列数据的分类

基因芯片技术是基因组学中的重要研究工具。而基因芯片数据( 微阵列数据) 往往是高维的,使得降维成为微阵列数据分析中的一个必要步骤。本文对美国哈佛医学院 G. J. Gordon 等人提供的肺癌微阵列数据进行分析。通过 t- test,Wilcoxon 秩和检测分别提取微阵列数据特征属性,后根据 CART( Classification and Regression Tree) 算法,以 Gini 差异性指标作为误差函数,用提取的特征属性广延的构造分类树; 再进行剪枝找到最优规模的树,目的是提高树的泛化性能使得能很好适应新的预测数据。实验证明: 该方法对肺癌微阵列数据分类识别率达到 96% 以上,且很稳定; 并可以得到人们容易理解的分类规则和分类关键基因。     

生物信息学在基因芯片中的应用

生物信息学和基因芯片是生命科学研究领域中的两种新方法和新技术,生物信息学与基因芯片密切相关,生物信息学促进了基因芯片的研究与应用,而基因芯片则丰富了生物信息学的研究内容。本论文探讨生物信息学在基因芯片中的应用,将生物信息学方法运用到高密度基因芯片设计和芯片实验数据管理及分析。从信息学的角度提出基因芯片设计准则,提出寡核苷酸探针的优化设计方法,将该方法运用于再测序型芯片和基因表达型芯片的设计,在此基础上研制出高密度基因芯片设计软件系统和实验结果分析系统。     

基因芯片数据分析方法研究进展

基因芯片技术的出现改变了生物医学研究的前景,其产生的海量数据是限制其发展的瓶颈问题。为提取其中所隐含的有价值的信息,在基因芯片数据分析的复杂计算工具和方法方面近年来有很多尝试。本文对近5年来基因芯片表达数据的分类分析方法进行综述,既分类比较了以聚类分析为基础的分类方法,也吸收了当前应用数据挖掘、信息融合等系统生物学思路的研究技术,并对数据的分析结果进行评价。     

多重检验法在基因芯片研究中鉴定差异表达基因的统计功效

鉴于基因芯片实验的造价,在基因芯片实验设计中,首要考虑的因素是需要多少重复才能检测出一个具有显著差异表达的基因。计算多重检验法要求的重复数（样本大小）或功效可为基因芯片实验设计提供重要的参考。为此,本文基于置换重抽样法构建了一种基因表达噪声混合分布模型。该方法适用各类基因表达数据,即无论是基因表达单噪声源或是多噪声源都可行。应用混合模型和多重检验法并给定统计功效。研究者能在基因芯片实验中获得所需要的最少生物学重复数：或者根据样本大小来确定测定一个显著差异表达的基因所具有的检验功效;或者根据样本大小和统计检验功效,选择最好的统计测验方法。本文以一组在老鼠中与中风有关的3000个基因的基因芯片实验所获得的数据为例,应用该方法拟和后组建了一个单分布模型（即表达单噪声源的分布模型）。根据该模型,我们计算了4种多重检验法在鉴定一个具有表达差异（D）值的基因中所需要的统计功效。结果表明。检测一个小的差异D值,4种多重检验法中B方法的统计功效最低,而BH方法最高。但是,对于鉴定一个具有最大表达差异的基因时,4种方法有相同的鉴定功效。与传统的单个检验法一样,BH方法检测一个小的变化所需要的效率不会随基因数目增加而改变,其他3种多重检验法的检测功效则随基因数目增加而降低。     

基于轮廓相似度的土壤肥力时空变异性判别

采用几何轮廓相似度模型,分别对彰武县境内柳河流域所辖乡村1985年与2009年土壤肥力等级进行判别．结果表明：研究区所辖43个乡村土壤肥力普遍处于中下等水平;与1985年相比,2009年有15个乡村土壤肥力级别降低即土壤肥力变差,9个乡村土壤肥力级别升高即土壤肥力变好,19个乡村土壤肥力级别未发生变化．该模型可在缺乏多标度数据分布信息或小样本条件下难以估计统计特征的应用问题中,通过分析多标度数据的几何特征对数据进行判别;且模型采用了凹函数求平均值,从而减小了一些突变型数据对判别的干扰．因此,采用几何轮廓相似度模型判别土壤肥力时空变异性准确且简便可行．     

基于AR模型的基因芯片数据识别

将自回归模型(AR)模型引入基因芯片数据识别领域,提出了基于自回归模型的时间序列特征提取方法．利用动态时轴弯曲(DTW)作为分类器,在标准的肿瘤基因芯片数据的识别结果表明,本方法能够达到100％的识别率,可以应用于基因芯片数据的识别、分类和基因疾病推断。