非平衡基因数据的差异表达基因选择算法研究

作者：谢娟英^*; 王明钊; 周颖; 高红超; 许升全^*

来源：计算机学报, 2019, 42(06): 1232-1251.

• 基因选择
• AUC
• 互信息
• mRMR
• 不平衡数据

针对准确率不适于评价不平衡数据特征子集性能的缺陷,提出了F2-measure(简称F2)准则.为避免mRMR(minimal Redundancy-Maximal Relevance)的互信息方法倾向于选择多值特征,提出了归一化互信息SU(Symmetrical Uncertainty).针对最大化AUC(Area Under an ROC Curve)框架下,特征选择算法的特征与类标相关性、特征间相关性的取值范围(量纲)不一致问题,提出了归一化的特征权重.为加快特征选择过程,提出了结合SU和AUC的特征预选择,缩小特征搜索空间.提出动态加权顺序前向搜索DWSFS(Dynamic Weighted Sequential Forward Search)和动态加权顺序前向浮动搜索DWSFFS(Dynamic Weighted Sequential Forward Floating Search),以期得到分类性能更好的特征子集.基于最大化AUC和mRMR框架,结合上述创新点,设计出16种特征选择算法.7个经典二类不平衡基因数据集、3个多类不平衡(或近似平衡)基因数据集的50次重复实验表明:所提算法选择的基因子集具有非常好的分类识别能力;提出的F2、SU、归一化基因权重、基因预选择,以及DWSFS和DWSFFS对选择非平衡基因数据集的差异表达基因非常有效.提出的SU在度量基因冗余性时优于斯皮尔曼等级相关系数RCC(Rank Correlation Coefficient);基因选择过程中的权值度量采用基因与类标相关性减去基因间冗余性优于采用基因与类标相关性除以基因冗余性方案.与现有经典基因选择算法的实验比较表明:提出的基因选择算法的性能优于现有基因选择算法.

• 单位
  生命科学学院; 陕西师范大学; 中国科学院大学