[发明专利]一种基于启发式宽度优先搜索肿瘤相关基因的方法

摘要

本发明涉及一种基于启发式宽度优先搜索肿瘤基因的方法，采用在选出的基因子集中的出现频数来度量基因，排在前面的基因被认为是最重要的肿瘤相关基因，并由此设计分类器，及建立基于HBSA的基因排序方法。研究表明信息基因选择在改善分类性能方面起着重要作用，因此发现具有最高分类性能的最小基因子集是一个非常重要的研究目标，因为这些基因有可能作为重要的肿瘤临床诊断标志。实验结果表明本发明不仅能够获得很好的泛化性能而且能够发现重要的肿瘤基因。且选出的基因的出现频数关于基因的数量符合幂率分布。这些分类准确率非常高的基因子集中的基因与特定的肿瘤亚型之间存在密切的联系，甚至这些基因就是与肿瘤直接相关的重要基因。

主权项

1.一种基于启发式宽度优先搜索肿瘤基因的方法，其特征在于：采用在选出的基因子集中的出现频数来度量基因，排在前面的基因被认为是最重要的肿瘤相关基因，并由此设计分类器，及建立基于HBSA算法的基因排序方法，其步骤如下： （1）、设G={g₁,…,g_n}表示一组基因，集合S={s₁,…,s_m}表示一组样本；其中|G|=n表示基因的数量，|S|=m表示样本的数量；相应的基因表达谱数据集表示为矩阵X=(x_i,j)_mn,1≤i≤m,1≤j≤n,其中x_i,j表示基因g_j在样本s_i的表达量，通常n＞＞m； 在基因表达矩阵中每一个向量s_i都被看作n-维空间中的一个点。并且m个样本向量中每一个都由n个元素的表达向量组成；假设L={c₁,…,c_k}表示数据集中标签集合，|L|=k表示数据集中类别的数量；通常，每个样本的类别识已知的，因此，S×L={(s_i,l_i)|s_i∈Rⁿ,l_i∈Rⁿ,l_i∈L,i=1,2,…,m}表示带有类别标签的样本空间； （2）、从基因空间P(G)即基因集合G的幂集中选择具有最高分类性能的信息基因子集T；假设具有强分类性能的基因子集与特定的肿瘤亚型相关，记号Acc(T)表示基因子集T对样本数据集的分类能 力，通常采用分类器的预测精度来度量T分类性能，选出得信息基因子集T要满足下面两个目标： min_T∈P(G)(|T|)    (1) max_T∈P(G)(Acc(T))    (2) 其中|T|表示基因子集T的基数，满足目标(1)和(2)的基因子集被称为最佳基因子集T^*；最佳子集A^*包含了所有的最佳基因子集T^*,也就是说，T^*同时满足目标（1）和（2）｝。