[发明专利]一种参数最优的结肠癌癌细胞检测仪

说明书

本发明公开了一种参数最优的结肠癌癌细胞检测仪，该系统由基因微阵列读入模块、数据预处理及特征排序模块、参数寻优模块、模型输出模块组成。系统首先将输入的基因微阵列数据预处理，然后对剩余的各个基因进行重要性排序，通过统计分数计算相关性，再利用分类器准则函数计算贡献度，将所有基因的重要性进行排序。改进的优化方法在原始的智能寻优算法下加入了适应度检测与种群扰动，能够防止种群多样性散失以及优化过程陷入局部最优。然后将搜寻到的最优参数作为分类器参数完成模型构建并输出结果。系统具有很好的去相关性，精度高。

技术领域

本发明涉及基因微阵列数据应用技术领域，具体地，涉及一种参数最优的结肠癌癌细胞检测仪。

背景技术

基因芯片(gene chip)是目前生物芯片家族中最完善、应用最广泛的芯片，将许多特定的寡聚核苷酸或DNA片段(称为探针)固定在芯片的每个预先设置的区域内，将待测样本标记后同芯片进行杂交，利用碱基互补配对原理进行杂交，通过检测杂交信号并进行计算机分析，从而检测对应片段是否存在、存在量的多少，以用于基因的功能研究和基因组研究、疾病的临床检测等众多方面。其中最成功的典型基因芯片是在介质表面有序地点阵排列DNA，因此又叫DNA微阵列(DNA microarray)。据世界流行病学调查，发现结肠癌在北美、西欧、澳大利亚、新西兰等地的发病率最高，居内脏种瘤前二位，但在亚、非、拉美等地发病率则很低。中国的发病率与死亡率低于胃癌，食管癌、肺癌等常见恶性肿瘤。中国和日本人的大肠癌发病率明显低于美国，但移民到美国的第一代即可见到大肠癌发病率上升，第二代基本接近美国人的发病率。利用DNA微阵列数据，如何有效地发现结肠癌的数据特征，找出致病基因，针对治疗，是当下的一个研究热点。而由于DNA微阵列数据制备困难，而人类基因数目相对而言过于庞大，这样的数据困境对于科研人员来说，是首先需要应对的一大困难。

发明内容

为了克服目前难以搜寻基因微阵列数据最优特征子集以及分类最佳参数的不足，本发明的目的在于提供一种参数智能寻优的结肠癌模型。

本发明解决其技术问题所采用的技术方案是：一种参数最优的结肠癌癌细胞检测仪，该系统由基因微阵列读入模块、数据预处理及特征排序模块、参数寻优模块、模型输出模块组成；其中：

基因微阵列读入模块读入的是所有基因微阵列的类别标签Y＝[y₁,y₂,...,y_m]，其中y_i＝k,k∈(-1,1)，以及所有样本的基因微阵列表达值：

其中每行x_i代表一个样本所有基因的表达值，每列x_j代表一个基因在所有样本中的表达值，下标i表示第i个样本、总共m个，下标j表示第j个基因、共n个。

数据预处理及特征排序模块是对读入的原始微阵列数据进行归一化以及特征排序的处理过程。其中归一化操作为：

其中，Min、Max分别为样本基因表达值的最小值、最大值。而特征排序选择使用每个基因对分类准确度的贡献度打分来实现，通过定义一个贡献度函数：

其中，α＝[α₁,...,α_n],H_ij＝y_iy_jK(x_i,x_j),α为法向量对应的系数、H为中间矩阵，J为代价函数、I为单位矩阵、K为核函数、y为标签值、x为样本特征值，上标T表示矩阵的转置、下标i、j分别表示第i个样本和第j个基因。事实上，该式代表分类边界大小的平方值，则有：