基于直推式学习的视网膜致病基因预测模型

• 作者: 王小刚 董超
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 直推式学习 致病基因预测 机器学习 集成
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 数据工程
• 页码范围: 28-30,34
• 页数: 4页
• 分类号: TP3
• 字数: 4397字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.05.008

摘要

生物信息学的一个重要目的是帮助人类深入地认识疾病的过程、遗传特性和潜在的治疗方法。然而，发现致病基因往往是一项复杂而艰巨的工作，比如一些遗传性的眼部疾病。在综合了收集到的众多基因表达数据的基础上，提出一种双层的直推式机器学习（TTP）模型，用于发现潜在的视网膜致病基因。里层用于从多维的 Human BodyMap 2．0和眼部组织基因表达谱中分别获取贡献度；在外层学习中，里层获取的贡献度将和 Crx 和 ChIP-Seq 数据一起学习得出致病基因的排序结果。实验结果表明，在致病基因预测上，直推式学习的准确度要优于传统的监督学习。另外，还发现一个有趣的现象，数据的集成并不是总能得到有利的结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王小刚	复旦大学计算机科学技术学院上海市智能信息处理重点实验室	9	20	2.0	4.0
2	董超	复旦大学计算机科学技术学院上海市智能信息处理重点实验室	8	272	6.0	8.0