[发明专利]基于蒙特卡洛和非负矩阵因子分解的基因选择和癌症分类方法

摘要

一种基于蒙特卡洛和非负矩阵因子分解的基因选择和癌症分类方法，用蒙特卡洛方法从原样本的基因表达数据中产生多个基因子集；每个子集通过非负矩阵因子分解方法分解为系数矩阵和基矩阵；每一个非负矩阵因子分解迭代中，若基矩阵中某样本的稀疏性小于原样本的最小稀疏性，该样本中的元素从小到大逐步被零代替，至其稀疏性不再小于原样本最小稀疏性；判断收敛；迭代收敛后，基因得分用于判断基因的重要性按得分大小以降序排列基因，逐个选择序列中的基因建立一系列模型，各模型通过十折交叉验证方法校正；准确性最好的模型被用于预测。该方法能有效鉴别基因中的生物标志物，且由鉴定出的生物标志物建立的模型可用于有效地预测新的癌症中的显型。

主权项

一种基于蒙特卡洛和非负矩阵因子分解的基因选择和癌症分类方法，其特征在于，该方法具体为：利用蒙特卡洛方法从原样本的基因表达数据中产生S个基因子集；每个m×ns基因子集包含1/5的从基因表达数据中通过随机采样得到的ns个基因数据，当ns值小于矩阵的秩r时，ns值将设置为等于r；然后，每个子集通过非负矩阵因子分解方法分解为一个系数矩阵sW和一个基矩阵sH；sW中的初始元素是随机数，sH中的初始元素是子集中的元素；在每一个非负矩阵因子分解迭代中，如果sH中某样本的稀疏性小于原样本的最小稀疏性，该样本中的元素将从小到大逐步被零代替，直至其稀疏性不再小于原样本的最小稀疏性；为了判断收敛，参数sc定义如下：式中，V是矩阵；H是基矩阵；W是系数矩阵；是弗罗贝尼乌斯范数；t是第t个回归的数字；当sc值接近零时，计算趋近收敛；一个阈值用来判断收敛，即sc值小于该阈值时，认为计算收敛；如果当t值小于100时sc值小于阈值，则t值设为100；迭代收敛后，如下基因得分用于判断基因的重要性：式中，E是一个基因的信息熵；r是矩阵的秩；一个基因在S个子集中出现Sg次，因此，其最终得分是其Sg个得分的平均值；然后，所有基因按其得分的大小以降序排列，通过逐个选择序列中的基因建立一系列模型，且每个模型通过基于PLS‑LDA的十折交叉验证方法进行校正；校正准确性最好的模型被用于预测。