基于层级规则树的跨平台基因表达数据分类

doi:10.19678/j.issn.1000-3428.0051856

计算机工程 ›› 2019, Vol. 45 ›› Issue (7): 26-31. doi: 10.19678/j.issn.1000-3428.0051856

基于层级规则树的跨平台基因表达数据分类

蔡瑞初¹, 侯永杰¹, 郝志峰^1,2

1. 广东工业大学计算机学院, 广州 510006;
2. 佛山科学技术学院数学与大数据学院, 广东佛山 528000

收稿日期:2018-06-19 修回日期:2018-08-09 出版日期:2019-07-15 发布日期:2019-07-23
作者简介:蔡瑞初(1983-),男,教授、博士,主研方向为大数据分析、因果关系发现、机器学习;侯永杰,硕士研究生;郝志峰,教授。
基金资助:
国家自然科学基金（61472089）；NSFC-广东联合基金（U1501254）；广东省自然科学基金（2014A030306004，2014A030308008）；广东省科技计划项目（2015B010108006，2015B010131015）；广东特支计划（2015TQ01X140）；广州市科技计划项目（201604016075）；广州市珠江科技新星专项（201610010101）。

Cross-platform Gene Expression Data Classification Based on Hierarchical Rule Tree

CAI Ruichu¹, HOU Yongjie¹, HAO Zhifeng^1,2

1. School of Computers, Guangdong University of Technology, Guangzhou 510006, China;
2. School of Mathematics and Big Data, Foshan University, Foshan, Guangdong 528000, China

Received:2018-06-19 Revised:2018-08-09 Online:2019-07-15 Published:2019-07-23

摘要/Abstract

摘要： 基因检测技术运用至今已积累大量来自不同平台的数据，针对传统数据分类模式难以在不同平台间进行有效迁移的问题，提出一种基于层级规则树的基因表达数据分类算法k-HRT。设计数据转换与规则预筛选策略，实现算法的快速挖掘，以解决由跨平台特性所带来的大规模数据问题。在真实基因表达数据集上的实验结果表明，相对k-TSP算法、SVM-RFE算法，k-HRT算法能够有效提高分类精度。

关键词: 数据分类, 跨平台, 规则学习, 特征选择, 基因表达数据

Abstract: The application of genetic testing technology has accumulated a large amount of data from different platforms.To address the problem that it is difficult to migrate traditional data classification modes across different platforms,this paper proposes a gene expression data classification algorithm k-HRT based on Hierarchy Rule Tree(HRT).The strategy of data conversion and rule pre-screening is designed to realize the fast mining of the algorithm to solve the large-scale data problems caused by cross-platform characteristics.Experimental results on real gene expression datasets show that,compared with k-TSP algorithm and SVM-RFE algorithm,k-HRT algorithm can effectively improve classification accuracy.

Key words: data classification, cross-platform, rule learning, feature selection, gene expression data

中图分类号:

TP181

蔡瑞初, 侯永杰, 郝志峰. 基于层级规则树的跨平台基因表达数据分类[J]. 计算机工程, 2019, 45(7): 26-31.

CAI Ruichu, HOU Yongjie, HAO Zhifeng. Cross-platform Gene Expression Data Classification Based on Hierarchical Rule Tree[J]. Computer Engineering, 2019, 45(7): 26-31.

https://www.ecice06.com/CN/Y2019/V45/I7/26

参考文献

[1] CLAES P,ROOSENBOOM J,WHITE J D,et al.Genome-wide mapping of global-to-local genetic effects on human facial shape[J].Nature Genetics,2018,50(3):414-420.
[2] CASPI A,SUGDEN K,MOFFITT T E,et al.Influence of life stress on depression:moderation by a polymorphism in the 5-HTT gene[J].Science,2003,301(5631):386-389.
[3] GUYON I,WESTON J,BARNHILL S,et al.Gene selection for cancer classification using support vector machines[J].Machine Learning,2002,46(1-3):389-422.
[4] LECUN Y,BENGIO Y,HINTON G.Deep learning[J].Nature,2015,521(7553):436-440.
[5] LIU Bing,HSU W,MA Yiming.Integrating classification and association rule mining[C]//Proceedings of International Conference on Knowledge Discovery and Data Mining.New York,USA:AAAI Press,1998:80-86.
[6] CONG G,TAN K L,TUNG A K,et al.Mining top-k covering rule groups for gene expression data[C]//Proceedings of 2005 ACM SIGMOD International Conference on Management of Data.New York,USA:ACM Press,2005:670-681.
[7] TAN A C,NAIMAN D Q,XU Lei,et al.Simple decision rules for classifying human cancers from gene expression profiles[J].Bioinformatics,2005,21(20):3896-3904.
[8] CAI Ruichu,HAO Zhifeng,YANG Xiaowei,et al.An efficient gene selection algorithm based on mutual information[J].Neurocomputing,2009,72(4-6):991-999.
[9] CAI Ruichu,TUNG A K,ZHANG Zhenjie,et al.What is unequal among the equals? Ranking equivalent rules from gene expression data[J].IEEE Transactions on Knowledge and Data Engineering,2011,23(11):1735-1747.
[10] 蔡瑞初,王美华,郝志峰,等.基于最大间隔的基因表达规则筛选[J].计算机工程与应用,2011,47(26):11-13.
[11] GEMAN D,D'AVIGNON C,NAIMAN D Q,et al.Classifying gene expression profiles from pairwise mRNA comparisons[J].Statistical Applications in Genetics and Molecular Biology,2004,3(1):1-19.
[12] 蔡毅,朱秀芳,孙章丽,等.半监督集成学习综述[J].计算机科学,2017,44(增刊):7-13.
[13] HAAS P J,HELLERSTEIN J M.Ripple joins for online aggregation[J].ACM SIGMOD Record,1999,28(2):287-298.
[14] BAHAR R,HARTMANN C H,RODRIGUEZ K A,et al.Increased cell-to-cell variation in gene expression in ageing mouse heart[J].Nature,2006,441(7096):1011-1012.
[15] FEDELES B I,SINGH V,DELANEY J C,et al.The AlkB family of Fe (ii)/α-Ketoglutarate-dependent dioxygenases:repairing nucleic acid alkylation damage and beyond[J].Journal of Biological Chemistry,2015,290(34):20734-20742.
[16] OUGLAND R,JONSON I,MOEN M N,et al.Role of ALKBH1 in the core transcriptional network of embryonic stem cells[J].Cellular Physiology and Biochemistry,2016,38(1):173-184.
[17] FONSECA R R D,KOSIOL C,TOMÁ V,et al.Positive selection on apoptosis related genes[J].Febs Letters,2010,584(3):469-476.
[18] TAN Qihua,ZHAO Jinghua,LI Shuxia,et al.Differential and correlation analyses of microarray gene expression data in the CEPH Utah families[J].Genomics,2008,92(2):94-100.
[19] GLERUM D M,SHTANKO A,TZAGOLOFF A.Charac-terization of COX17,a yeast gene involved in copper metabolism and assembly of cytochrome oxidase[J].Journal of Biological Chemistry,1996,271(24):14504-14509.

选择文件类型/文献管理软件名称

选择包含的内容

基于层级规则树的跨平台基因表达数据分类

Cross-platform Gene Expression Data Classification Based on Hierarchical Rule Tree

RichHTML

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘仲民, 严梁. 融合动态特征与注意力的敦煌壁画修复模型[J]. 计算机工程, 2024, 50(5): 342-353.
[2]	赵洁, 叶文浩, 梁周扬, 陈建新, 董振宁. 基于不一致近邻的模糊粗糙集特征选择[J]. 计算机工程, 2024, 50(1): 110-119.
[3]	杨璇, 马建敏, 赵曼君. 基于邻域互信息的高维时序数据特征选择[J]. 计算机工程, 2023, 49(7): 135-142.
[4]	李博, 黄东强, 贾金芳, 吴利, 王晓英, 黄建强. 基于CPU与GPU的异构模板计算优化研究[J]. 计算机工程, 2023, 49(4): 131-137.
[5]	杜清华, 张凯. 一种高效的跨平台工作流优化方法[J]. 计算机工程, 2022, 48(7): 13-21,28.
[6]	刘利, 张德生, 肖燕婷. 基于隶属度的模糊加权k近质心近邻算法[J]. 计算机工程, 2022, 48(7): 122-129.
[7]	艾成豪, 高建华, 黄子杰. 混合特征选择和集成学习驱动的代码异味检测[J]. 计算机工程, 2022, 48(7): 168-176,198.
[8]	范林歌, 武欣嵘, 童玮, 曾维军. 基于概率矩阵分解的不完整数据集特征选择方法[J]. 计算机工程, 2022, 48(6): 57-64.
[9]	张要, 马盈仓, 朱恒东, 李恒, 陈程. 结合流形学习与逻辑回归的多标签特征选择[J]. 计算机工程, 2022, 48(3): 90-99,106.
[10]	汪正凯, 沈东升, 王晨曦. 基于文本分类的Fisher Score快速多标记特征选择算法[J]. 计算机工程, 2022, 48(2): 113-124.
[11]	黄奕轩, 杜世强, 余瑶, 肖庆江, 宋金梅. 基于特征选择与鲁棒图学习的多视图聚类[J]. 计算机工程, 2022, 48(12): 95-103.
[12]	王俊红, 赵彬佳. 基于不平衡数据的特征选择算法研究[J]. 计算机工程, 2021, 47(11): 100-107.
[13]	王旭, 陈永乐, 王庆生, 陈俊杰. 结合特征选择与集成学习的密码体制识别方案[J]. 计算机工程, 2021, 47(1): 139-145,153.
[14]	袁哲明, 杨晶晶, 陈渊. 基于最大信息系数与冗余分摊的特征选择方法[J]. 计算机工程, 2020, 46(8): 101-105.
[15]	赵丹枫, 刘新阳, 戴舒原, 黄冬梅, 梅海彬. 海洋计算模型协同一体化流程管理系统研究[J]. 计算机工程, 2020, 46(6): 230-240.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于层级规则树的跨平台基因表达数据分类

Cross-platform Gene Expression Data Classification Based on Hierarchical Rule Tree

RichHTML

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价