基于奇异值分解的致病基因挖掘算法

• 作者: 尹佟明 张焕萍 郑建冬
• 来源期刊: 南京航空航天大学学报
• 学科: 工学
• 关键词: 奇异值分解 致病基因 Logistic回归
• 年，卷（期）: 2013,（2）
• 页码范围: 277-282
• 页数: 6页
• 分类号: TP181|Q811.4
• 字数: 4761字
• 语种: 中文

摘要

为从复杂的基因芯片表达数据中有效地挖掘致病基因,提出了基于奇异值分解(Singular value decomposition,SVD)的致病基因挖掘算法——Logistis回归奇异值分解(Logistic regression SVD,LRSVD),针对奇异值方差评估特征模式的不足,LRSVD算法用Logistic回归系数代替方差评估每一个特征模式对分类的作用大小,进一步提出利用基因内积评估每一条基因的分类能力,建立了特征模式与原始基因表达数据之间的线性映射关系,并按基因内积大小排序,选择出对样本分类能力高的基因子集.将LRSVD算法应用于实际基因表达数据,实验结果表明,LRSVD算法能有效挖掘出与疾病相关的基因子集.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹佟明	南京林业大学林木遗传与生物技术省部共建教育部重点实验室	41	1008	16.0	31.0
2	郑建冬	南京林业大学机电学院	10	78	5.0	8.0
3	张焕萍	南京林业大学机电学院	6	10	2.0	3.0