博碩士論文查詢聯邦系統首頁 聯絡信箱 關於我們 加入我們

本論文已被瀏覽 60 次, [ 造訪詳細資料與全文 ] 15 次,[ 回到前頁查詢結果 ] [ 重新搜尋 ]

應用各種基因選取方法探討攝護腺癌的基因生物標誌

The Exploration of Gene Selection Methods in Identifying Gene Biomarkers in Prostate Cancer

作者:王毓傑
畢業學校:慈濟大學
出版單位:慈濟大學
核准日期:2012-11-06
類型:Electronic Thesis or Dissertation
權限:Copyright information available at source archive--Tzu Chi University....

中文摘要

近十多年來攝護腺癌的發生率迅速竄升,在這方面的研究投入有所增多,隨著新的高通量分子篩查技術的發展,在這般繁多的原始資料,研究人員最需要的是找出符合生物醫學解釋的資訊。在資料量近乎天文數字下,粹取有用的資訊是項十分重要的工作。要提高早期攝護腺癌診斷率,需要從基因微陣列資料中,找到新的參與到攝護腺癌的發生發展過程中,能早期診斷、判斷預後的生物標誌。
本研究開發六種基因選取方法,包括三種生物統計的基因選取方法,以及三種機器學習的基因選取方法,從攝護腺癌微陣列基因表現資料中篩選出顯著的基因集合。此三種生物統計分析方法分別為: t-Test,Golub,及Minimum Distance to Modal Ranking;三種機器學習方法則分別為:Random Forests Gene Selection (RFGS), Genetic Algorithm Gene Selection (GAGS),及Genetic Algorithm –Particle Swarm Optimization (GAPSO)。在六種基因選取下選出來的基因,經過Novoseek disease relationships的相關性分數來尋找可能和攝護腺癌相關的基因,一共有50個不重複的基因。這50個內,經文獻查證已證實是攝護腺癌相關的基因有18個,其中有許多高相關性分數的基因已被用來做為攝護腺癌檢定、治療的應用上了。
本研究所開發的分類器,將支持向量機結合粒子群的最佳化演算法,每次分類都能自動地搜尋最佳參數。將六種基因選取選出來的基因用PSOSVM做分類的準確率做比較,相較於傳統SVM,PSOSVM的平均準確率在六種基因選取之下都有所提升,整體分類準確率平均提升3.5%的預測準確率,機器學習基因選取的分類準確率整體平均更達到93%以上。而平均敏感度與特異度部分在部分基因選取雖較傳統SVM有些微落差,但是依然有達到平均87%以上的敏感度與特異度,代表PSOSVM的預測結果可以提供診斷攝護腺癌重要的參考價值。

英文摘要

In this paper, we describe a framework for selecting informative genes.We combines six gene selection methods with Novoseek disease relationships to We combines six gene selection methods with Novoseek disease relationships to explored identifying gene biomarkers in prostate cancer.With this framework,we found 18 identifying gene biomarkers.
Aiming at the randomness of parameter selection, a PSO-SVM model is constructed by using particle swarm optimization PSO to achieve higher classification accuracy in support vector machine SVM . The application results indicate that PSO-SVM model gets high classification accuracy of 93% . The parameters in SVM are optimized by PSO, so that randomness of parameter selection is avoided and the model shows strong robustness in classification problems.


口試委員 - 黃少偉

口試委員 - 洪旭偉

指導教授 - 陳信志


 

計畫贊助者: