[发明专利]一种基于先验信息和并行二进制微粒群算法的肿瘤关键基因识别方法在审

专利信息
申请号: 201611126799.4 申请日: 2016-12-08
公开(公告)号: CN106548041A 公开(公告)日: 2017-03-29
发明(设计)人: 韩飞;杨春;凌青华;崔宝祥;宋余庆;朱玉全;周从华 申请(专利权)人: 江苏大学
主分类号: G06F19/18 分类号: G06F19/18;G06F19/24
代理公司: 暂无信息 代理人: 暂无信息
地址: 212013 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于先验信息和并行二进制微粒群算法的肿瘤关键基因识别方法,包括肿瘤基因表达谱数据的预处理,在训练集上,通过自定义的准则函数,利用改进的Elbow方法确定最优基因聚类数目K;运用微粒群算法PSO优选K个最优聚类中心,并在训练集上用K‑均值方法将肿瘤基因聚成K类;在训练集上,分别获取基因类别灵敏度GCS信息和基因调控GR信息;通过所得的K个基因簇为搜索空间,结合上述获得的两类先验信息,运用并行二进制微粒群算法BPSO识别出关键的肿瘤基因。与现有的肿瘤关键基因识别方法相比,本发明通过考虑两类先验约束降低了丢失与肿瘤类别相关的关键信息基因的概率,从而有助于提高后续的肿瘤识别。
搜索关键词: 一种 基于 先验 信息 并行 二进制 微粒 算法 肿瘤 关键 基因 识别 方法
【主权项】:
一种基于先验信息和并行二进制微粒群算法的肿瘤关键基因识别方法,其特征在于,包括下列步骤:步骤1肿瘤基因表达谱数据的预处理,包括肿瘤基因表达谱数据集的归一化和初步降维,同时将肿瘤基因表达谱数据集划分为训练集和测试集;步骤2在训练集上,通过自定义的准则函数,利用改进的Elbow方法确定最优基因聚类数目K;步骤3运用微粒群算法PSO优选K个最优聚类中心,并在训练集上用K‑均值方法将肿瘤基因聚成K类;步骤4在训练集上,分别获取基因类别灵敏度GCS信息和基因调控GR信息;步骤5以步骤3所得的K个基因簇为搜索空间,结合步骤4获得的两类先验信息,运用并行二进制微粒群算法BPSO识别出关键的肿瘤基因。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201611126799.4/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top