基于融合特征与GA-SVM算法的脑疾病基因预测

作者：谭卓昆; 罗龙飞; 王顺芳

来源：计算机工程与应用, 2022, 1-9.

• GA-SVM算法
• 多网络融合
• 半监督自编码器
• 脑部疾病基因
• 十折交叉验证

单一生物数据网络提供的特征信息是十分受限的，针对这一问题，提出了一种基于半监督自编码器的多网络特征融合方法，丰富特征信息。此外，为解决在人为设置模型的超参数时，易出现模型性能较低、陷入局部最优等问题，进一步提出了利用遗传算法优化支持向量机（GA-SVM算法）模型的方法，提高脑部疾病基因的预测性能。首先构建来自不同数据源的相似性数据网络，然后利用重启随机游走算法从四个数据网络中提取特征，通过半监督自编码器进行处理及融合，最后在十折交叉验证的策略下使用GA-SVM算法模型预测脑部疾病基因，并与其他算法进行比较。实验结果表明，在PD数据集上的AUC和AUPR值分别为0.805， 0.792，而在MDD数据集上的AUC和AUPR值分别为0.825， 0.823，均优于已有的预测模型，有效证明了该方法能够提高脑部疾病基因的预测效果。

• 单位
  云南大学