基于主成分分析的基因表达谱数据降维方法研究及可视化

论文摘要

“21世纪是生物技术的世纪”,随着时代的发展,基因测序技术及其他生物信息学技术正在改变着世界。其中基因表达谱数据收集和处理技术已经越来越成熟和多样,海量数据的规模和复杂度在不断增加,例如:基因组数据库、核酸和蛋白质结构序列数据库、生物大分子空间结构信息等。然而随着“大数据时代”的来临,问题也随之而来,如此大规模的数据带来的更多的是高维、海量和不完整性等巨大挑战。关于基因表达谱数据降维技术的创新与研究也在不断地更新迭代,并取得了可观的成果。主成分回归分析作为一种经典的算法得到了非常广泛的应用,并且针对不同领域演变出了许多改进和变种算法。但是它们主要是针对样本数据本身进行优化和改进,并没有将其与分类标签结合起来,这就容易导致丢失感兴趣目标信息,无法良好地发现数据潜在的内部结构关系,进而影响预测和分类性能。针对此类问题,课题研究了有监督主成分回归（Supervised Principal Component Regression SPCR）和基于Y-aware的主成分回归方法,验证了其相对于PCR方法的优越性。通过实验发现,SPCR方法随着保留主成分数量的增多,分类效果逐渐变差,而Y-aware PCR则恰恰相反,主成分数较少时,分类精度略差于SPCR,但在保留的主成分数为35左右之后,分类精度要明显好于SPCR。针对此情况,提出了基于SPCR与Y-aware PCR的加权融合（Y-SPCR）算法。最后将其应用在四种不同的高维基因数据上进行降维和分类,测试比较算法性能。实验结果表明,在分类准确率方面,Y-SPCR方法有效克服了上述两种方法各自的缺点,在不同特征数下算法运行性能稳定,平均准确率达到82%,相对传统PCR方法平均准确率提升约13%左右,相对于SPCR与Y-aware PCR方法其平均准确率提升约5%左右,分类效果理想。最后,实验对基因数据降维后的结果进行可视化设计,把降维后的数据空间结构通过友好的前端界面更加直观形象地展示出来。帮助人们以更加灵活多样的方式观察高维数据样本内潜在的结构关系。

论文目录

摘要

ABSTRACT

第1章绪论

1.1 课题背景及研究的目的和意义

1.2 国内外研究现状分析

1.2.1 基因表达谱数据发展现状

1.2.2 数据降维技术研究现状

1.2.3 主成分分析研究现状

1.2.4 降维可视化技术研究现状

1.3 主要研究内容及组织结构

第2章主成分回归算法分析及改进

2.1 引言

2.2 主成分回归相关算法

2.2.1 主成分回归

2.2.2 有监督的主成分回归

2.2.3 Y-aware主成分回归

2.3 基于SPCR与 Y-AWARE的加权融合算法

2.4 本章小结

第3章基因数据下Y-SPCR算法实验结果及分析

3.1 引言

3.2 实验准备

3.2.1 环境搭建

3.2.2 数据选取

3.3 数据预处理

3.3.1 数据标准化

3.3.2 填补缺失值

3.4 分类模型评估方法

3.4.1 F1 分数

3.4.2 ROC曲线

3.4.3 AUC值

3.5 实验结果

3.5.1 分类准确率

3.5.2 运行时耗

3.5.3 算法F1 分数

3.5.4 ROC曲线、AUC值结果

3.6 Y-SPCR算法分析

3.6.1 标准高斯分布下Y-SPCR算法分析

3.6.2 Y-SPCR算法权值系数影响分析

3.7 本章小结

第4章降维可视化结果展示

4.1 引言

4.2 基本结构及流程

4.3 数据处理

4.3.1 K-means

4.3.2 DBSCAN

4.3.3 层次聚类

4.3.4 t-SNE

4.4 可视化相关技术及实现

4.4.1 相关技术

4.4.2 界面实现

4.5 本章小结

结论

参考文献

致谢

文章来源

类型: 硕士论文

作者: 赵准

导师: 李杰

关键词: 数据降维,主成分回归,分类,可视化

来源: 哈尔滨工业大学

年度: 2019

分类: 基础科学

专业: 数学,生物学

单位: 哈尔滨工业大学

分类号: O212.4;Q811.4

DOI: 10.27061/d.cnki.ghgdu.2019.000949

总页数: 60

文件大小: 2236K

下载量: 359

基于主成分分析的基因表达谱数据降维方法研究及可视化

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢