计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2012年
6期
2074-2077
,共4页
吴红霞%吴悦%刘宗田%雷州
吳紅霞%吳悅%劉宗田%雷州
오홍하%오열%류종전%뇌주
单核苷酸多态性%全基因组关联研究%特征选择%过滤式%缠绕式%组合式
單覈苷痠多態性%全基因組關聯研究%特徵選擇%過濾式%纏繞式%組閤式
단핵감산다태성%전기인조관련연구%특정선택%과려식%전요식%조합식
针对SNP的全基因组关联分析面临SNP数据的高维小样本特性和遗传疾病病理的复杂性两大难点,将特征选择引入SNP全基因组关联分析中,提出基于Relief和SVM-RFE的组合式SNP特征选择方法.该方法包括两个阶段:Filter阶段,使用Relief算法剔除无关SNPs；Wrapper阶段,使用基于支持向量机的特征递归消减方法( SVM-RFE)筛选出与遗传疾病相关的关键SNPs.实验表明,该方法具有明显优于单独使用SVM-RFE算法的性能,优于单独使用Relief-SVM算法的分类准确率,为SNP全基因组关联分析提供了一种有效途径.
針對SNP的全基因組關聯分析麵臨SNP數據的高維小樣本特性和遺傳疾病病理的複雜性兩大難點,將特徵選擇引入SNP全基因組關聯分析中,提齣基于Relief和SVM-RFE的組閤式SNP特徵選擇方法.該方法包括兩箇階段:Filter階段,使用Relief算法剔除無關SNPs；Wrapper階段,使用基于支持嚮量機的特徵遞歸消減方法( SVM-RFE)篩選齣與遺傳疾病相關的關鍵SNPs.實驗錶明,該方法具有明顯優于單獨使用SVM-RFE算法的性能,優于單獨使用Relief-SVM算法的分類準確率,為SNP全基因組關聯分析提供瞭一種有效途徑.
침대SNP적전기인조관련분석면림SNP수거적고유소양본특성화유전질병병리적복잡성량대난점,장특정선택인입SNP전기인조관련분석중,제출기우Relief화SVM-RFE적조합식SNP특정선택방법.해방법포괄량개계단:Filter계단,사용Relief산법척제무관SNPs；Wrapper계단,사용기우지지향량궤적특정체귀소감방법( SVM-RFE)사선출여유전질병상관적관건SNPs.실험표명,해방법구유명현우우단독사용SVM-RFE산법적성능,우우단독사용Relief-SVM산법적분류준학솔,위SNP전기인조관련분석제공료일충유효도경.
