基于集成类随机森林方法的神经胶质瘤特征基因选择的研究

• 作者: 代琦 厉力华 来海锋 祝磊 陈岩 韩斌
• 来源期刊: 生物物理学报
• 学科: 医学
• 关键词: 神经胶质瘤 肿瘤诊断 特征选择 类随机森林 奇异值分解
• 年，卷（期）: 2010,（9）
• 页码范围: 833-845
• 页数: 13页
• 分类号: Q6|Q789|TP391|R739.41
• 语种: 中文

摘要

神经胶质瘤(glioma)是一种严重的颅内肿瘤疾病,具有高复发率、高死亡率和低治愈率等特点.利用基因微阵列数据识别与神经胶质瘤相关的特征基因,对该疾病的临床诊断和生物医学研究将起到有益的参考和借鉴作用.作者针对神经胶质瘤数据,提出了一种集成类随机森林特征基因选择方法.首先应用有监督奇异值分解对数据进行降维并粗选出基因;其次应用类随机森林特征选择方法选出特征基因.实验结果显示,该方法对分类器的适应性强;对比其他方法,分类率优势明显;更重要的是,在选出的前50个特征基因中有39个基因与神经胶质瘤或肿瘤细胞生物过程存在着密切联系,证实该方法不仅保持了较高的分类率,而且保证了选择的特征基因具有很强的生物学关联意义,具有较高的可行性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈岩		3	11	1.0	3.0
2	来海锋		4	12	1.0	3.0
3	厉力华		48	182	7.0	11.0
4	祝磊		29	121	5.0	10.0
5	韩斌		16	33	3.0	5.0
6	代琦		3	0	0.0	0.0