[发明专利]用于肿瘤检测的基因选择方法

说明书

技术领域

本发明涉及一种用于肿瘤检测的基因选择方法，尤其涉及一种用于肿瘤检测的对DNA微阵列中肿瘤相关基因进行选择的基因选择方法

背景技术

常规的肿瘤检测方法是建立在形态学基础之上的，它高度依赖于病理学专家对肿瘤组织的主观判断。环境条件的差异性给疾病的诊断带来许多不确定性的因素，进而影响预测判断的结果。DNA微阵列随着人类基因组的研究应运而生，它使用微缩技术，将核酸高密集有序地排列在固定的区域内作为微型的DNA检测器件，以发现DNA中基因的内在联系。对癌症和正常的DNA片段进行比对操作，同时观察数千种基因的各自表达情况，并利用数据分析技术推断出基因之间的相互关系，依此对疾病的类型和诊断等做出精确的判断，从而帮助专家对疾病做出正确的诊断。

由于DNA微阵列是某组织或细胞中所有基因的表达数据，维数通常达到几千或上万维，但在实际应用中只有很小一部分基因对肿瘤诊断具有价值，而大部分基因是无用的或与分析无关的。同时，由于实际临床治疗中病例样本一般较少和微阵列实验成本很高等原因，大多数基因表达样本集都具有很少数量的样本和数以万计的基因，过多的基因对数据分析方法而言是不适宜的。开发有效的基因表达数据分析和学习工具已经成为肿瘤检测研究的热点问题之一。基因选择是利用机器学习的方法从成千上万个基因中挑选出与肿瘤检测相关的基因，从而建立精简的预测模型，为肿瘤的治疗提供可靠的诊断结果。在机器学习的应用中，基因选择又被称为特征选择。目前，现有的机器学习中的特征选择方法常常是选择与目标相关性最大且冗余性最小的特征，而在DNA微阵列中往往是几个高度相关的基因共同表达一类疾病，因此已有的特征选择算法在肿瘤检测的应用中并不理想。

发明内容

本发明的目的在于提供一种用于肿瘤检测的对DNA微阵列中肿瘤相关基因进行选择的基因选择方法，能够根据已选基因与待选基因之间的相关性特征动态地调整待选基因的权值，从而最大限度地选出具有较高正确诊断率基因，提供可靠的诊断结果和治疗方案。

一种用于肿瘤检测的基因选择方法，包括以下步骤：

1.预处理模块获取初始输入的基因样本，并对初始样本进行预处理，生成候选基因集合，并提供给基因权值评估模块；

2.所述基因权值评估模块首先对输入的所述候选基因集合中的每个基因赋予相同的权值为1，生成加权候选基因集合，并进入基因选择流程；

3.所述基因选择流程为：

A.基因选择模块从所述基因权值评估模块获得所述加权候选基因集合；

B.所述基因选择模块计算每个基因与目标类的相关度并乘以该基因的权值，得到每个基因的优先级；

C.所述基因选择模块按照候选基因集合中每个基因的优先级从大到小依次排列，具有最高优先级的基因成为最新选择基因，将该基因加入最优基因集合，并将其从候选基因集合中删除；

D.所述基因选择模块判断是否符合终止条件，如果不符合，将所述最新选择基因输入相关性分析模块，继续进行步骤E；如果符合终止条件，则结束基因选择，输出最优基因集合给分类器；

E.所述相关性分析模块对候选基因集合中的每个基因与所述最新选择基因之间进行相关性分析，计算所述候选基因集合中的每个基因的权值的调整系数，进而获得调整系数向量；

F.所述基因权值评估模块根据所述调整系数向量对候选基因集合中的每个基因的权值进行调整，得到新的加权候选基因集合，再返回到步骤A。

其中：

步骤1所述预处理包括规范化处理和离散化处理，所述候选基因集合为特征矩阵，列数表示基因数，行数为样本数，其大小由输入样本决定；所述规范化处理是通过计算样本的均值μ和标准方差σ，对每个样本所对应的基因值x规范化为(x-μ)/σ，从而使得每个基因的均值为0和标准方差为1；所述离散化处理的方法是：基因值的范围为(-∞，-0.5]时转化为1，基因值的范围在(-0.5，0.5)的转化为2，基因值的范围为[0.5，+∞)转化为3。

步骤3B所述的基因与目标类的相关度是指该基因与目标类之间共享信息的程度，本发明采用信息论中的互信息并将其归一化后度量。基因与目标类的相关度表示为R(gclass)，计算方法如公式(1)所示：