基于奇异值分解的致病基因挖掘算法

作者：张焕萍; 尹佟明; 郑建冬

来源：南京航空航天大学学报, 2013, 45(2): 277-282.

DOI：10.3969/j.issn.1005-2615.2013.02.020

• 奇异值分解
• 致病基因
• Logistic回归

为从复杂的基因芯片表达数据中有效地挖掘致病基因,提出了基于奇异值分解(Singular value decomposition,SVD)的致病基因挖掘算法——Logistis回归奇异值分解(Logistic regression SVD,LRSVD),针对奇异值方差评估特征模式的不足,LRSVD算法用Logistic回归系数代替方差评估每一个特征模式对分类的作用大小,进一步提出利用基因内积评估每一条基因的分类能力,建立了特征模式与原始基因表达数据之间的线性映射关系,并按基因内积大小排序,选择出对样本分类能力高的基因子集.将LRSVD算法应用于实际基因表达数据,实验结果表明,LRSVD算法能有效挖掘出与疾病相关的基因子集.

• 单位
  南京林业大学; 林木遗传与生物技术省部共建教育部重点实验室