[发明专利]基于MFA score和排除冗余的基因表达谱特征选择方法

摘要

一种基于MFA score和排除冗余的基因表达谱特征选择方法，肿瘤基因表达谱的特征选择和分类有助于肿瘤的早期诊断，从基因表达的角度解释肿瘤的成因。首先利用MFA score算法构造类间近邻矩阵Wb和类内近邻矩阵Ww，进而得到类间拉普拉斯矩阵Lb和类内拉普拉斯矩阵Lw，最后将基因排序。针对基因表达数据的高冗余这一特点，我们利用Pearson相关系数来判断基因间的相关性，将高相关的基因即冗余基因排除，最终得到基因子集。本发明适用于任意空间分布的训练样本，排除冗余基因进一步缩减了特征维数，算法复杂度较小，实验中取得了较高的分类准确率。

主权项

基于MFA score和排除冗余的基因表达谱特征选择方法，其特征在于：本发明采用的技术方案实现步骤如下，1)构造肿瘤样本的类内近邻矩阵Ww和类间近邻矩阵Wb；利用DNA芯片测定肿瘤基因表达谱，表达谱中n个样本，n代表不同的患者，组成的集合可以表示为：X＝[x1,x2,...,xn]，(i＝1,2,...,n)代表一个有m个基因的样本(n<<m)；肿瘤样本集合还可以写成X＝[f1,f2,....,fm]T，(j＝1,2,...,m)是一个基因在各个样本中的表达值组成的向量；根据肿瘤样本间的欧氏距离和类别信息，其类别信息为有病、无病或肿瘤的亚型，对于每一个样本，在与之同类的子集中选择k1个近邻，在与之不同类的子集中选择k2个近邻，这样分别构造出类内近邻矩阵Ww和类间近邻矩阵Wb：Ww(i,j)=1xi∈Nk1(xj)orxj∈Nk1(xi)0else]]>Wb(i,j)=1xi∈Pk2(xj)orxj∈Pk2(xi)0else]]>Nk1(xi)表示在与xi同类的样本中k1个近邻组成的集合，Pk2(xi)表示在与xi不同类的样本中k2个近邻组成的集合；2)计算得出肿瘤样本类间拉普拉斯矩阵Lb和类内拉普拉斯矩阵Lw；其中Lb＝Db‑Wb，Db是一个对角矩阵，对角元素为Wb的列元素之和或行元素之和；Lw＝Dw‑Ww，Dw是一个对角矩阵，对角元素为Ww的列元素之和或行元素之和；3)由MFA score算法得出基因序列；由MFA score评价基因的函数：Score(fj)来计算每一个基因(j＝1,2,...,m)的分数，然后根据分数从大到小对基因进行排序，得到基因序列：[F1,F2,...,Fm]；4)排除冗余，得到基因子集；两个基因的Pearson相关系数为：ρ(fi,fj)=Σk=1n(fik-fi‾)(fjk-fj‾)Σk=1n(fik-fi‾)2Σk=1n(fjk-fj‾)2]]>因而可以用ρij＝|ρ(fi，fj)|来衡量两个基因的相关性；首先取出基因序列的第一个基因加入基因子集Φ，再取出第二个基因计算ρ12，如果ρ12＞σ，0＜σ＜1，直接取出第三个基因计算ρ13；如果ρ12＜σ，将第二个基因加入特征子集Φ，再取出第三个基因计算ρ13，第三个以后的每个基因都要和基因子集中的所有基因计算ρij，只要有一个ρij大于σ就直接取出下一个判断，如果都小于σ，则将其加入基因子集再取出下一个进行判断，直到基因子集Φ的大小达到预定个数为止。