机器学习方法在基因交互作用探测中的研究进展

• 作者: 唐紫珺 彭哲也 谢民主
• 来源期刊: 遗传
• 关键词: 机器学习 基因交互 全基因组关联分析 单核苷酸多态性 上位性
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 综述
• 页码范围: 218-226
• 页数: 9页
• 字数: 4829字
• 语种: 中文
• DOI: 10.16288/j.yczz.17-254

摘要

复杂疾病是基因与基因、基因与环境交互作用的结果,高维基因交互作用的探测给计算带来了极大的挑战.在过去20年间,机器学习方法被用于探测基因-基因交互作用,并取得了一定的效果.本文综述了机器学习方法在基因交互作用探测中的研究进展,系统地介绍了神经网络(neural networks, NN)、随机森林(random forest, RF)、支持向量机(support vector machines, SVM)和多因子降维法(multifactor dimensionality reduction, MDR)等机器学习方法在全基因组关联研究(genome wide association study, GWAS)中探测基因交互作用的原理和局限性,并对未来的研究进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢民主	湖南师范大学物理与信息科学学院	16	88	4.0	9.0
2	彭哲也	湖南师范大学物理与信息科学学院	2	6	1.0	2.0
3	唐紫珺	湖南师范大学物理与信息科学学院	1	6	1.0	1.0