[發(fā)明專利]一種基于啟發(fā)式寬度優(yōu)先搜索腫瘤相關(guān)基因的方法

無效

• 申請?zhí)枺?/td>: 201310019941.5
• 申請日: 2013-01-18
• 公開（公告）號: CN103186717A
• 公開（公告）日: 2013-07-03
• 發(fā)明（設(shè)計(jì)）人: 黃上峰;王樹林;李雪玲;趙俊;邱萍;王耀雄;葛運(yùn)建;雙豐;朱旻
• 申請（專利權(quán)）人: 中國科學(xué)院合肥物質(zhì)科學(xué)研究院
• 主分類號: G06F19/24
• 分類號: G06F19/24
• 代理公司: 合肥天明專利事務(wù)所 34115
• 代理人: 奚華保

1.一種基于啟發(fā)式寬度優(yōu)先搜索腫瘤基因的方法，其特征在于：采用在選出的基因子集中的出現(xiàn)頻數(shù)來度量基因，排在前面的基因被認(rèn)為是最重要的腫瘤相關(guān)基因，并由此設(shè)計(jì)分類器，及建立基于HBSA算法的基因排序方法，其步驟如下：?

（1）、設(shè)G={g₁,…,g_n}表示一組基因，集合S={s₁,…,s_m}表示一組樣本；其中|G|=n表示基因的數(shù)量，|S|=m表示樣本的數(shù)量；相應(yīng)的基因表達(dá)譜數(shù)據(jù)集表示為矩陣X=(x_i,j)_mn,1≤i≤m,1≤j≤n,其中x_i,j表示基因g_j在樣本s_i的表達(dá)量，通常n＞＞m；?

在基因表達(dá)矩陣中每一個向量s_i都被看作n-維空間中的一個點(diǎn)。并且m個樣本向量中每一個都由n個元素的表達(dá)向量組成；假設(shè)L={c₁,…,c_k}表示數(shù)據(jù)集中標(biāo)簽集合，|L|=k表示數(shù)據(jù)集中類別的數(shù)量；通常，每個樣本的類別識已知的，因此，S×L={(s_i,l_i)|s_i∈Rⁿ,l_i∈Rⁿ,l_i∈L,i=1,2,…,m}表示帶有類別標(biāo)簽的樣本空間；?

（2）、從基因空間P(G)即基因集合G的冪集中選擇具有最高分類性能的信息基因子集T；假設(shè)具有強(qiáng)分類性能的基因子集與特定的腫瘤亞型相關(guān)，記號Acc(T)表示基因子集T對樣本數(shù)據(jù)集的分類能?力，通常采用分類器的預(yù)測精度來度量T分類性能，選出得信息基因子集T要滿足下面兩個目標(biāo)：?

min_T∈P(G)(|T|)????(1)?

max_T∈P(G)(Acc(T))????(2)?

其中|T|表示基因子集T的基數(shù)，滿足目標(biāo)(1)和(2)的基因子集被稱為最佳基因子集T^*；最佳子集A^*包含了所有的最佳基因子集T^*,也就是說，T^*同時滿足目標(biāo)（1）和（2）｝。

2.根據(jù)權(quán)利要求1所述的基于啟發(fā)式寬度優(yōu)先搜索腫瘤基因的方法，其特征在于：?

所述分類器在設(shè)計(jì)時，每個類別中訓(xùn)練樣本的數(shù)量至少是特征數(shù)量的5倍以上，也就是：?

(m/k)/s_n＞5????(4)?

其中k表示類別的數(shù)量，m表示訓(xùn)練樣本的數(shù)量，s_n表示選出的基因的數(shù)量；由N個個體分類器構(gòu)成的集成分類器對每一樣本的分類可靠性，每一樣本定義了一個置信度，假設(shè)一個數(shù)據(jù)集有k個?子類，表示為L={c₁,…,c_k},一個測試樣本被賦予一個表決向量(m₁,…,m_k)，其中每一個分量m_i表示表決該樣本對應(yīng)于L={c₁,…,c_k}中的子類c_i所獲得的表決票數(shù)，其中，記m_maxandm_sec分別表示表決向量(m₁,…,m_k)中獲得的最大和次最大表決票，一個測試樣本的置信度conf定義為：conf=m_max/m_sec。如果m_sec=0,conf被設(shè)置為N，其中1≤conf≤N。置信度conf越大。?