肿瘤特征基因选择的互信息最值过滤原则与粒子群优化算法

Mutual information maximum value filter criteria combined with particle swarm optimization algorithm in feature gene selection for tumor classification

二维码有效期 120s

摘要基因数据小样本、高维数、高冗余的特点常导致特征基因选择出现“维数灾难”和“过拟合”,针对这一问题,提出一种特征基因提取算法——互信息最值过滤原则-惯性权重粒子群优化(MIMVFC-IWPSO)算法.首先,借鉴过滤法的思路,通过计算互信息指标,依据互信息最值过滤原则(MIMVFC)获得特征基因候选子集(FGCS),缩小分类操作的范围,提高特征基因被覆盖的概率;接着,对粒子群优化(PSO)算法进行改进,引入惯性权重实现自调节可变惯性权重粒子群优化(IWPSO)算法,使得在算法迭代初期有着快速的全局优化能力,而在算法后期具有较强的局部搜索能力;最后,运用IWPSO从FGCS中提取核心信息基因子集(CFGS),并基于CFGS对样本进行肿瘤与正常组织的分类.采用3个公开的肿瘤基因表达谱数据进行实验,MIMVFC正确分类率优于信噪比(SNR)、t-检验和信息增益(IG)方法,与卡方统计值(Chi-Square)方法接近,而MIMVFC还能利用IWPSO进一步优化结果.基于相同的FGCS,与目前效果较好的二进制粒子群优化与防治基因算法(BPSO-CGA)相比,IWPSO的运算耗时有所增加,但所获得的CFGS规模减小,准确率提高;而与经典PSO相比,所获得的CFGS规模减小、运算耗时减少、准确率提高.实验结果表明MIMVFC-IWPSO具有较好的综合分类性能,能有效提高准确率和效率,可用于多种肿瘤的特征基因选择,辅助指导分子生物学实验设计和验证.

作者喻德旷 ^[1] 杨谊 ^[1] 学术成果认领

作者单位南方医科大学生物医学工程学院,广州,510515 ^[1]

关键词肿瘤特征基因选择互信息最值过滤原则粒子群优化算法特征基因候选子集核心信息基因子集 tumor feature gene selection Mutual Information Maximum Value Filter Criteria (MIMVFC)Particle Swarm Optimization (PSO) algorithm Feature Gene Candidate Subset (FGCS)Core Feature Gene Subset (CFGS)

分类号 TP18 TP391

栏目名称 人工智能

DOI 10.11772/j.issn.1001-9081.2017061609

发布时间 2018-03-29

基金项目

广东省科技计划项目 广东省高校重点平台及科研项目(2016GXJK021).This work is partially supported by the Science and Technology Planning Project of Guangdong Province the Key Platforms and Research Projects of Universities in Guangdong Province