A robust hybrid approach based on estimation of distribution algorithm and support vector machine for hunting candidate disease genes.
A robust hybrid approach based on estimation of distribution algorithm and support vector machine for hunting candidate disease genes.
复制标题
一种基于分布算法和支持向量机估计的鲁棒混合方法，用于寻找候选疾病基因。
DOI：
10.1155/2013/393570
复制
发表时间：
2013
影响因子：
--
通讯作者：
Peng L
中科院分区：
文献类型：
--
作者：
Li L;Chen H;Liu C;Wang F;Zhang F;Bai L;Chen Y;Peng L
微阵列数据的高维性、高噪声比和相对小的样本量使得利用微阵列数据识别候选疾病基因成为一个挑战。在这里，我们提出了一种混合的方法，结合分布估计算法和支持向量机的关键特征基因的选择。我们已经基准的方法使用的微阵列数据的弥漫性B细胞淋巴瘤和结肠癌，以证明其性能识别的关键特征，从高维度的基因表达的档案数据。将该方法与基于遗传算法的概率模型和基于遗传算法和支持向量机的混合方法进行了比较。结果表明，该方法为从疾病基因表达谱数据中寻找候选疾病基因提供了新的计算策略。筛选出的候选致病基因有助于提高疾病的诊断和治疗水平。
Microarray data are high dimension with high noise ratio and relatively small sample size, which makes it a challenge to use microarray data to identify candidate disease genes. Here, we have presented a hybrid method that combines estimation of distribution algorithm with support vector machine for selection of key feature genes. We have benchmarked the method using the microarray data of both diffuse B cell lymphoma and colon cancer to demonstrate its performance for identifying key features from the profile data of high-dimension gene expression. The method was compared with a probabilistic model based on genetic algorithm and another hybrid method based on both genetics algorithm and support vector machine. The results showed that the proposed method provides new computational strategy for hunting candidate disease genes from the profile data of disease gene expression. The selected candidate disease genes may help to improve the diagnosis and treatment for diseases.
登录
查看更多内容
DOI：
10.1073/pnas.97.1.262
发表时间：
2000-01-04
影响因子：
11.1
作者：
Brown, MPS;Grundy, WN;Haussler, D
通讯作者：
Haussler, D
遗传算法和支持向量机的鲁棒混合，用于提取最佳特征基因子集
影响因子：
4.4
作者：
Li, LB;Jiang, W;Rao, S
通讯作者：
Rao, S
影响因子：
9.5
作者：
Yang, Wanling;Ying, Dingge;Lau, Yu-Lung
通讯作者：
Lau, Yu-Lung
影响因子：
158.5
作者：
Lossos, IS;Czerwinski, DK;Levy, R
通讯作者：
Levy, R
一种基于内核的方法，用于检测高维生物数据的异常值。
影响因子：
3
作者：
Oh JH;Gao J
通讯作者：
Gao J