用于癌症诊断的基因芯片数据的降维和分类方法
基因芯片技术的发展，使生物医学领域的研究进入了崭新的时代。利用癌症病人样本制得的基因芯片，可将不同种类的癌症进行快速准确地分类，这对于癌症的早期诊断和及时治疗都有重要意义。本文既采用了经典的显著性检验方法 t 检验进行重要基因选取，又创新性地利用非线性数据分析方法核映射进行数据转换，在保存全部基因信息的前提下，融入样本信息，有效地降维。借助人工神经网络自组织映射（Self-Organizing Map, SOM）建模预报，获得了令人满意的分类结果。最后利用 Leave One Out（LOO）等方法验证降维的有效性和分类器的稳定性，并用基因芯片数据可视化软件 TREEVIEW 讨论重要基因对分类的影响。
基因芯片 核映射 t 检验 自组织映射 LOO TREEVIEW 软件 癌症诊断
姚微佳 李通化 唐凯临 唐育虹 陈开
同济大学化学系 上海，200092
国内会议
武汉
中文
2005-10-13（万方平台首次上网日期，不代表论文的发表时间）