×
张世志;张明金

使用基于SVM的集成特征选择方法进行基因表达数据分析。 （英语） Zbl 1494.92053号

统计应用程序。遗传学。分子生物学。 21，第1号，文章ID 20220002，10 p.（2022）.

MSC公司：

92C40型 生物化学、分子生物学
68T05型 人工智能中的学习和自适应系统

关键词：

集成特征选择;基因表达数据;支持向量机

软件：

伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{S.Zhang}和\textit{M.Zhang}，统计应用。遗传学。分子生物学。21，第1号，文章ID 20220002，第10页（2022；Zbl 1494.92053）
全文： 内政部

参考文献：

[1] Abeel，T.、Helleputte，T.，Peer，V.D.Y.、Dupont，P.和Saeys，Y.（2010年）。利用集成特征选择方法进行癌症诊断的稳健生物标记物识别。生物信息学26:392，doi:10.1093/Bioinformatics/btp630·doi:10.1093/bioinformatics/btp630
[2] Alon，U.、Barkai，N.、Notterman，D.A.、Gish，K.、Ybara，S.和Mack，D.（1999）。寡核苷酸阵列探测的肿瘤和正常结肠组织的聚类分析揭示了广泛的基因表达模式。程序。国家。阿卡德。科学。美国96:6745-6750，doi:10.1073/pnas.96.12.6745·doi:10.1073/pnas.96.12.6745
[3] Bhalla，S.、Chaudhary，K.、Kumar，R.、Sehgal，M.、Kaur，H.、Sharma，S.和Raghava，G.P.S.（2017年）。基于基因表达的生物标记物用于区分透明细胞肾癌的早期和晚期。科学。众议员7:44997，doi:10.1038/srep44997·doi:10.1038/srep44997
[4] Chandrashekar，G.和Sahin，F.（2014）。特征选择方法综述。计算。选举人。工程40:16，doi:10.1016/j.compleceng.2013.11.024·doi:10.1016/j.com.peeceng.2013.11.024
[5] Chang，C.C.和Lin，C.J.（2011）。LIBSVM：支持向量机库。ACM事务处理。智力。系统。Technol公司。2:21，doi:10.1145/1961189.1961199·数字对象标识代码：10.1145/1961189.1961199
[6] Chen，Q.、Meng，Z.和Su，R.（2020年）。WERFE：一种基于递归特征消除和集成策略的基因选择算法。前面。比昂。生物技术。8:496，doi:10.3389/fbioe.2020.00496·doi:10.3389/fbioe.2020.00496
[7] Chopra，P.、Lee，J.、Kang，J.和Lee，S.（2010年）。使用基因对提高癌症分类准确性。《公共图书馆·综合》5:e14305，doi:10.1371/journal.pone.0014305·doi:10.1371/journal.pone.0014305
[8] Dietterich，T.（2000）。机器学习中的集成方法。参加：第一届多分类器系统国际研讨会。Springer-Verlag，第1页。
[9] Emmanuel，C.和Terence，T.（2007年）。Dantzig选择器：当p远大于n时的统计估计Ann.Stat.35:2313·Zbl 1139.62019号
[10] Giallourakis，C.、Henson，C.、Reich，M.、Xie，和Mootha，V.K.（2005）。通过整合基因组学发现疾病基因。每年。基因组学评论。嗯，遗传学。6:381，doi:10.1146/annurev.genom.6080604.162234·doi:10.1146/annurev.genom.6.080604.162234
[11] Golub，T.R.、Slonim，D.K.、Tamayo，P.、Huard，C.、Gaasenbeek，M.、Mesirov，J.P.、Coller，H.、Loh，M.L.、Downing，J.R.、Caligiuri，M.A.等人（1999年）。癌症的分子分类：通过基因表达监测进行分类发现和分类预测。科学286:531，doi:10.1126/Science.286.5439.531·doi:10.1126/science.286.5439.531
[12] Guyon，I.、Weston，J.、Barnhill，S.和Vapnik，V.（2002）。使用支持向量机进行癌症分类的基因选择。机器。学习。46:389，doi:10.1023/a:1012487302797·Zbl 0998.68111号 ·doi:10.1023/a:1012487302797
[13] Haury，A.C.、Gestraud，P.和Vert，J.P.（2011年）。特征选择方法对分子签名的准确性、稳定性和可解释性的影响。《公共图书馆·综合》6:e28210，doi:10.1371/journal.pone.0028210·doi:10.1371/journal.pone.0028210
[14] Hess，D.A.、Meyerrose，T.E.、Wirthlin，L.、Craft，T.P.、Herrbrich，P.E.、Creer，M.H.和Nolta，J.A.（2004）。根据乙醛脱氢酶活性分离的高度纯化的人类造血再生细胞的功能表征。血液104:1648，doi:10.1182/bloud-2004-02-0448·doi:10.1182/血液-2004-02-0448
[15] Hou，G.、Sui，Y.和An，L.（2006）。GSTP1在前列腺癌中的研究进展。下巴。J.外科集成。Trad公司。西部。医学12:505。
[16] Kannan，V.和Sandhya，G.（2018年）。代谢组学时代先天代谢错误的新生物标记物。印度生物化学杂志。生物物理学。55: 314.
[17] Klezovitch，O.，Chevillet，J.，Mirosevich，J.、Roberts，R.L.、Matusik，R.J.和Vasioukhin，V.（2004）。肝素促进前列腺癌的进展和转移。癌细胞6:185，doi:10.1016/j.ccr.2004.07.008·doi:10.1016/j.ccr.2004.07.008
[18] Kuncheva，L.I.（2007年）。特征选择的稳定性指标。参加：第25届IASTED国际人工智能与应用大会。ACTA出版社（因斯布鲁克），第309页。
[19] Lakshmi，G.M.和Mythili，K.（2014）。基于基因表达的癌症亚型预测调查。国际期刊高级计算。科学。Technol公司。3: 207.
[20] Li，H.、Liang，Y.、Xu，Q.和Cao，D.（2009）。使用竞争性自适应重加权采样方法进行多变量校准的关键波长筛选。分析。蜂鸣器。学报648:77，doi:10.1016/j.aca.2009.06.046·doi:10.1016/j.aca.2009.06.046
[21] Li，J.、Cheng，K.、Wang，S.、Morstatter，F.、Trevino，R.P.、Tang，J.和Liu，H.（2017）。特征选择：数据透视图。ACM计算。Surv公司。50: 941-945.
[22] Liu，H.、Li，J.和Wong，L.（2002）。利用基因表达谱和蛋白质组模式进行特征选择和分类方法的比较研究。基因组信息13:51。
[23] Patil，A.R.和Kim，S.（2020年）。将正则回归模型的集合与高维数据中基于重采样的Lasso特征选择相结合。数学8:110，doi:10.3390/math801010·doi:10.3390/math8010110
[24] Qing，X.、Jeffery，A.T.和Devin，C.K.（2021）。使用经验贝叶斯方法（BRIDGE）对具有依赖样本的微阵列数据进行批量效应减少。统计应用程序。遗传学。分子生物学。20: 101-119. ·Zbl 1496.92022号
[25] Rosso，M.D.、Fibbi，G.、Pucci，M.、D'Alessio，S.、Rosso（A.D.）、Magnelli，L.和Chiarugi，V.（2002）。多个丝氨酸蛋白酶家族调控细胞侵袭的多条途径。临床。实验转移19:193 doi:10.1023/a:10155531321445。 ·doi:10.1023/a:105531321445
[26] Saeys，Y.、Abeel，T.和Peer，V.D.Y.（2008）。使用集成特征选择技术的稳健特征选择。摘自：第25届欧洲机器学习和数据库知识发现会议记录。斯普林格·弗拉格，第313页。
[27] Shah，S.和Kusiak，A.（2007年）。使用数据挖掘和遗传算法进行癌症基因搜索。计算。《生物医学》37:251，doi:10.1016/j.compbiomed.2006.01.007·doi:10.1016/j.compbiomed.2006.01.007
[28] Sharma，A.、Imoto，S.和Miyano，S.（2012年）。一种用于微阵列基因表达数据的top-r特征选择算法。IEEE ACM传输。计算。生物信息学。9:754，doi:10.1109/TCBB.2011.151·doi:10.1109/TCBB.2011.151
[29] Singh，D.、Febbo，P.G.、Ross，K.、Jackson，D.G.、Manola，J.、Ladd，C.、Tamayo，P.、Renshaw，A.A.、D'Amico，A.V.、Richie，J.P等（2002年）。基因表达与前列腺癌临床行为相关。癌细胞1:203-209，doi:10.1016/s1535-6108（02）00030-2·doi:10.1016/s1535-6108（02）00030-2
[30] Snezana，Z.S.，Oligica，M.，Danijela，J.，Predrag，D.，Irena，K.，Ivana，M.、Zorica，J.和Ljiljana，M.T.（2017年）。分化型甲状腺癌患者的细胞因子谱。印度生物化学杂志。生物物理学。54: 291.
[31] Su，R.，Liu，X.，Xiao，G.和Wei，L.（2020年）。Meta-GDBP：用于改进抗癌药物反应预测的高级叠加回归模型。生物信息简介。21:996-1005，doi:10.1093/bib/bbz022·doi:10.1093/bib/bbz022
[32] Wang，B.、Lu，K.、Zheng，X.、Su，B.、Zhou，Y.、Chen，P.和Zhang，J.（2018）。使用两阶段集成分类器早期识别阿尔茨海默病。货币。生物信息学。13:529-535，网址：10.2174/157489361366618093114·doi:10.2174/1574893613666180328093114
[33] Wang，N.、Zhuang，Z.、Tang，J.和Su，L.（2010）。基于fiedler载体的基因表达数据分类。中国生物技术。30: 82.
[34] Wei，L.、Wan，S.、Guo，J.和Wong，K.K.（2017年）。一种具有生物信息学应用的新型层次选择性集成分类器。Artif公司。智力。Med.83:82-90，doi:10.1016/j.artmed.2017.02.005·doi:10.1016/j.artmed.2017.02.005
[35] Yingxin，L.、Jiangeng，L.和Xiaogang，R.（2006）。基于肿瘤基因表达谱的组织分类信息基因选择研究。下巴。J.计算。29: 324.
[36] Yoo，C.、Lee，I.B.和Vanrolleghem，P.A.（2005年）。用多元模糊统计分析解释急性白血病基因表达数据的模式和分析。计算。化学。工程29:1345，doi:10.1016/j.compchemeng.2005.02.031·doi:10.1016/j.compchemeng.2005.02.031
[37] Zhang，W.、Jing，K.、Huang，F.、Chen，Y.、Li，B.、Li、J.和Gong，J.（2019年）。SFLLN：一种具有线性邻域正则化的稀疏特征学习集成方法，用于预测药物相互作用。信息科学。497:189-201，doi:10.1016/j.ins.2019.05.017·doi:10.1016/j.ins.2019.05.017
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。