分类基于基因表达提供了洞察的癌症治疗策略。因此,开发机器学习方法可以成功区分癌症亚型或正常与样品是很重要的。本工作讨论监督学习技术,曾对癌症进行分类。此外,基于属性的两步特征选择方法估算方法(例如,ReliefF)和遗传算法来找到最好的一组基因可以区分癌症亚型或正常和肿瘤样本。不同的分类方法的应用程序(如决策树,再,支持向量机(SVM),装袋,和随机森林)5日癌症数据集显示,没有普遍优于其他分类方法。然而,再和线性支持向量机通常比其他分类器提高分类的性能。最后,结合不同类型的基因组数据(如基因表达数据和蛋白质间交互作用)增加预测精度比单独使用基因表达。
c·a·哈林顿、c·罗斯诺夫和j . Retief“监控使用DNA微阵列基因表达,”咕咕叫。当今。Microbiol,3卷,不。3、285 - 91年,2000页。
视图: 谷歌学术搜索m . Schena d . Shalon r·w·戴维斯和p . o . Brown声称,“定量监测与互补DNA微阵列基因表达模式,”科学卷,270年,第70 - 467页,1995年。
视图: 谷歌学术搜索问:刘,a . h .唱z . Chen等人“基因选择和基于机器学习分类癌症微阵列数据和相似性措施,”BMC基因组学,12卷,5:S1, 2011年。
视图: 谷歌学术搜索w·s·j·j . Liu Cai, x g .邵“癌症分类基于微阵列基因表达数据使用一个主成分的累积方法,”科学中国化学,54卷,不。5,页802 - 2011。
视图: 谷歌学术搜索s . Dudoit j . Fridlyand, t . p .速度,“比较歧视的肿瘤基因表达数据的分类方法,”J是统计协会卷,97年,第87 - 77页,2002年。
视图: 谷歌学术搜索m, l·金、w·李和e . Boerwinkle“基因表达式的肿瘤分类、计算方法”生物学技术卷,29号6,1264 - 1270年,2000页。
视图: 谷歌学术搜索l . Vanneschi A . Farinaccio g .毛里m . Antoniotti p . Provero和m . Giacobini”比较的机器学习技术生存预测乳腺癌,”个人经历分4卷,1 - 12,2011页。
视图: 谷歌学术搜索e·巴德和w·胡”的12基因签名识别肺癌预后通过机器学习,”《癌症治疗,卷2,不。2、148 - 156年,2011页。
视图: 谷歌学术搜索Kumar Gupta, d, a·沙玛,“数据挖掘分类技术应用于乳腺癌的诊断和预后,”印度计算机科学与工程》杂志上,卷2,不。2、188 - 195年,20112页。
视图: 谷歌学术搜索g . v . s .乔治和v c . Raj”回顾特征选择技术和支持向量机的影响癌症分类使用基因表达谱,”国际计算机科学与工程杂志调查,卷2,不。3、1 - 12,2011页。
视图: 谷歌学术搜索m·h·Asyali d . Colak o . Demirkaya和m . s .阿齐兹·伊南,“基因表达谱分类:审查,”咕咕叫生物信息学,卷1,55 - 73、2006页。
视图: 谷歌学术搜索y Lu和j .汉“癌症分类使用基因表达数据,”通知。系统,28卷,不。4、243 - 268年,2003页。
视图: 谷歌学术搜索“j·a·克鲁斯和d s Wishart机器学习的应用在癌症预测和预后,”癌症的通知,卷2,59 - 77年,2006页。
视图: 谷歌学术搜索t·r·Golub d·k·尼姆,p . Tamayo et al .,“发现癌症的分子分类:类和类基因表达监测预测,“科学卷,286年,页531 - 1999。
视图: 谷歌学术搜索美国阿姆斯特朗,j·e·斯汤顿l·b·西尔弗曼et al .,“MLL易位指定一个不同的基因表达谱,区分一个独特的白血病,”Nat麝猫。,30卷,不。1,41-7,2002页。
视图: 谷歌学术搜索d . a . Notterman阿龙,a . j . Sierk和a·j·莱文,“转录基因表达谱的结直肠腺瘤、腺癌和正常组织检查寡核苷酸阵列,”癌症Res卷,61年,页3124 - 2001。
视图: 谷歌学术搜索罗斯·m·a·西普k . n, p . Tamayo et al .,“弥漫型大b细胞淋巴瘤的结果预测基因表达分析和监督机器学习”Nat,地中海。,8卷,不。1,第74 - 68页,2002。
视图: 谷歌学术搜索d·辛格·g·Febbo k .罗斯et al .,“临床前列腺癌基因表达相关的行为”,癌症细胞,1卷,不。2,页203 - 2002。
视图: 谷歌学术搜索g . s . Shieh c·h·巴姨,和c·李,“识别乳腺癌亚型的基因表达谱,”数据科学杂志》,2卷,第175 - 165页,2004年。
视图: 谷歌学术搜索A·h·陈,y . w . Tsau和y . c .王”小说多任务支持向量的样本学习技术来预测分类癌症,”新趋势在信息科学和服务科学(尼斯),第200 - 196页,2010年。
视图: 谷歌学术搜索j·皮特曼,大肠黄h . Dressman et al .,“集成建模的临床和基因表达信息个性化疾病的预测结果,“Proc。国家的。学会科学。美国,卷101,不。22日,第8436 - 8431页,2004年。
视图: 谷歌学术搜索y Saeys,即Inza p的票数,“回顾特征选择技术在生物信息学中,“生物信息学,23卷,不。19日,2507 - 2517年,2007页。
视图: 谷歌学术搜索p .贾法里,f . Azuaje评估最近出版的基因表达数据分析:报告实验设计和统计因素,”BMC地中海,通知。决策。麦,回卷,2006年。
视图: 谷歌学术搜索傅f . Tan, x, y,和a . g .资产阶级“改善特征子集选择利用遗传算法对于微阵列基因表达数据,”Proc, IEEE Congr。Evolut。第一版。,第2534 - 2529页,2006年。
视图: 谷歌学术搜索傅f . Tan, x, y,和A . g .资产阶级“遗传算法的特征子集选择的方法,”柔软的第一版,12卷,不。2、111 - 120年,2007页。
视图: 谷歌学术搜索m·萨达纳舞和r·k·Agrawal”相关基因聚类方法选择的比较研究在微阵列数据,”计算机科学的进步,工程与应用特区怀,j . Zizka, d . Nagamalai Eds。卷,166年,页789 - 797,施普林格,德国海德堡2012。
视图: 谷歌学术搜索g·斯坦利·e·莱文,大肠Domany“耦合”的双向基因微阵列数据的聚类分析,Proc。自然科学院,卷97,不。22日,第84 - 12079页,2000年。
视图: 谷歌学术搜索a . k . w . Au, k . c . c . Chan c . Wong和y . Wang”属性聚类分组、选择和基因表达数据的分类,“IEEE / ACM事务计算生物学和生物信息学,卷2,不。2、83 - 101年,2005页。
视图: 谷歌学术搜索r . Nakkeeran t·A·维克托瓦尔,”混合方法的数据挖掘技术,PCA, EDM和SVM对癌症基因特征选择和分类,“欧洲科学研究杂志》上,卷79,不。4、638 - 652年,2012页。
视图: 谷歌学术搜索x,彭,j . Chen b·卢h . Zhang和m .赖”SVM-T-RFE:一种新型基因选择算法识别metastasis-related使用基因表达谱基因在结直肠癌,”物化学。Biophys。Commun》,卷419,不。2、148 - 153年,2012页。
视图: 谷歌学术搜索诉p·辛格,s . g . Arvind和a·g·塔,“基于混合相关的基因选择准确的癌症基因表达数据的分类,“国际期刊的计算机应用程序,43卷,不。14日,十三至十八页,2012年。
视图: 谷歌学术搜索共和党最低,s . r . Nozawa r·A·r·Mitrowsky A . A . Mecedo和j·A . Baranauskas”应用决策树从DNA微阵列基因表达数据:白血病案例研究,”XXX。Proc。车间de Informatica》,10卷,页1489 - 1498,贝洛奥里藏特,MG, 2010。
视图: 谷歌学术搜索h, c . y, b歌手,和m .熊”递归分区肿瘤分类与基因表达微阵列数据,”Proc。《。》。,卷98,不。12,页6730 - 2001。
视图: 谷歌学术搜索m . Czajkowski m . Grzes和m . Kretowski”Multi-Test基因表达数据分析决策树,”《2011国际安全与智能信息系统会议p . Bouvry, m·a . Kłopotek f . Leprevost, m . Marciniak博士审查和a . Mykowiecka Eds。卷,7053年,页154 - 167,施普林格,德国海德堡2012。
视图: 谷歌学术搜索g . Dimitoglou j·a·亚当斯和c . m .吉姆,”比较C4.5和朴素贝叶斯分类器的预测肺癌的生存能力,”相关系数,4卷,不。8、1 - 9,2012页。
视图: 谷歌学术搜索a·c·谭和d·吉尔伯特合奏癌症基因表达数据的机器学习分类,“应用生物信息学,卷2,不。3、75 - 83年,2003页。
视图: 谷歌学术搜索m . b . a . Snousy h . m . El-Deeb k .兰和中情局a . Khlil”的决策树分类算法对癌症基因表达数据,”埃及信息学杂志,12卷,不。2、73 - 82年,2011页。
视图: 谷歌学术搜索陈x和h . Ishwaran基因组数据分析,随机森林”基因组学,卷99,不。6,页323 - 2012。
视图: 谷歌学术搜索p·坎宁安和s . j . Delany UCD-CSI“再分类器”技术报告。都柏林大学计算机科学与信息学院,爱尔兰,2007年,4。
视图: 谷歌学术搜索c·l·纳特·d·r·摩尼r . a . Betensky et al .,“恶性神经胶质瘤相关基因分类与生存比组织学分类、”癌症Res,卷63,不。7,1602 - 1607年,2003页。
视图: 谷歌学术搜索m·沙赫巴兹s Faruq m .夏新,s . a·马苏德“癌症诊断使用数据挖掘技术,”生命科学期刊,9卷,不。1,第313 - 308页,2012。
视图: 谷歌学术搜索m . Sarkar和t . y .梁的应用再邻居算法对乳腺癌诊断的问题,”Proc。AMIA计算机协会,第763 - 759页,2000年。
视图: 谷歌学术搜索Niijima和s . Kuhara“有效的最近邻方法多级癌症分类使用微阵列数据,”第16届国际会议上基因组信息学学报》上,51卷,2005年。
视图: 谷歌学术搜索c . t . Li张,m .——”特征选择和多类分类方法的比较研究基于基因表达的组织分类,“生物信息学,20卷,不。15日,37岁的2429 - 2004页。
视图: 谷歌学术搜索美国美国先生和美国Sasikala Multicategory分类使用支持向量机进行微阵列基因表达癌症诊断,”全球计算机科学与技术杂志》上,10卷,不。15日,38-44,2010页。
视图: 谷歌学术搜索e . s .答:哇,中情局伊玛目,a .德尔“癌症分类特征选择:基于支持向量机的方法,”国际期刊的计算机应用程序,46卷,不。8日,20-26,2012页。
视图: 谷歌学术搜索美国高,o . Addam a Qabaja et al .,“强大的集成框架,有效的特征选择和样本分类及其应用基因表达数据分析,“生物信息学和计算生物学计算智能(CIBCB),第119 - 112页,2012年。
视图: 谷歌学术搜索美国Nikumbh、美国Ghosh和诉Jayaraman”Biogeography-Based信息基因选择和癌症分类使用SVM和随机森林,”IEEE国际代表大会上计算智能,10 - 15,2012页。
视图: 谷歌学术搜索g . Valentini m . Muselli, f . Ruffino“癌症与袋装的各个支持向量机识别,”Neurocomputing,56个卷,第466 - 461页,2004年。
视图: 谷歌学术搜索h, c . Caramanis, s . Mannor“健壮性和支持向量机的正规化,”j·马赫。学习。Res,10卷,第1510 - 1485页,2009年。
视图: 谷歌学术搜索j . Suykens t . van Gestel j·德布拉班特省,b . De沼泽和j·范德维尔最小二乘支持向量机,世界科学,新加坡,2002年。
o .薛潘诉Vapnik o . Bousquet,穆克吉,“选择多个参数的支持向量机,”机器学习,46卷,第159 - 131页,2002年。
视图: 谷歌学术搜索m .熊z方,j .赵“生物标志物识别功能包装,”基因组研究11卷,第1887 - 1878页,2001年。
视图: 谷歌学术搜索t . Abeel t . Helleputte y . Van de同行,p .杜邦和y Saeys”强大的生物标志物识别癌症诊断的整体特征选择方法,”生物信息学,26卷,不。3,页392 - 2010。
视图: 谷歌学术搜索l . Chen j .宣r . b .到湖底,r·克拉克和y . Wang“癌症标志物network-constrained支持向量机,”BMC系统杂志5:161卷,2011年。
视图: 谷歌学术搜索j·j·刘,g·卡特勒•李(george w . bush) et al .,“多级癌症分类和生物标志物发现使用遗传算法,”生物信息学,21卷,不。11日,第97 - 2691页,2005年。
视图: 谷歌学术搜索b . Zupan (j . Demsar m . w . Kattan j·r·贝克和Bratko,“机器学习为生存分析:一个案例研究在前列腺癌复发,”人工智能在医学上,20卷,不。1,59 - 75年,2000页。
视图: 谷歌学术搜索d . Delen、g·沃克和a . Kadam”预测乳腺癌生存能力:三种数据挖掘方法的比较,“Artif智能医疗,34卷,不。2,页113 - 2005。
视图: 谷歌学术搜索h·b·伯克·h·古德曼·b·罗森et al .,“人工神经网络改进癌症生存预测的准确性,”癌症,卷79,不。4、857 - 862年,1997页。
视图: 谷歌学术搜索w . w . y . c . Chen Yang, h·w·赵,“人工神经网络预测癌症存活时间通过基因表达数据,”生物信息学和生物医学工程、第三国际会议,2009年,页1 - 4。
视图: 谷歌学术搜索m . Robnik-Šikonja和i Kononenko ReliefF理论和实证分析,RReliefF。”马赫。学习卷,53岁,23 - 69,2003页。
视图: 谷歌学术搜索p, b . Verma和k·库马尔,”神经与统计分类器与基于遗传算法的特征选择,”j型。Recog列托人26卷,第919 - 909页,2005年。
视图: 谷歌学术搜索c . c . Chang和c·j·林,”LIBSVM:支持向量机的库,”ACM智能交易系统和技术,卷2,不。3 1-27页。2011年,软件可以在:http://www.csie.ntu.edu.tw/ ~ cjlin / libsvm。
视图: 谷歌学术搜索m·尤瑟夫·m·Ketany l . Manevitz l . c .证明和m . k .本”分类和生物标志物识别使用基因网络模块和支持向量机,”BMC生物信息学10:337卷,2009年。
视图: 谷歌学术搜索m . j . Wu Gan和r .江”的遗传算法优化子网标记研究乳腺癌转移,”自然计算(ICNC),3卷,第82 - 1578页,2011年。
视图: 谷歌学术搜索m . j . Jahid和j .阮”鉴定生物标记在乳腺癌转移通过整合蛋白质相互作用网络和基因表达数据,”基因组信号处理和统计(GENSIPS),60 - 63、2011页。
视图: 谷歌学术搜索r·费舍尔m . k . Lescoe m . r . Rao et al .,“人类突变基因相同器官MSH2及其对遗传性非息肉性大肠癌协会”细胞,卷75,不。5,页1027 - 1993。
视图: 谷歌学术搜索p . Mazzarelli璞琪,和l . g . Spagnoli”CLU和结肠癌。的双重面孔CLU:从正常到恶性表型,”阿德癌症Res卷。105年,45 - 61年,2009页。
视图: 谷歌学术搜索k·r·雷特·m·f·弗朗哥·m·Srougi et al .,“异常MDM2的表达在前列腺癌,”国防部分册,14卷,不。5,页428 - 2001。
视图: 谷歌学术搜索s . o . Wawryk j . r . Novotny i . p .威克斯et al .,“LFA-1 / ICAM-1交互的作用在人类白细胞自导和附着力,”Immunol牧师卷,108年,第161 - 135页,1989年。
视图: 谷歌学术搜索