项目名称: 基于不可约序关系的复杂疾病诊断基因模式发现技术研究

项目编号: No.61272182

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 赵宇海

作者单位: 东北大学

项目金额: 81万元

中文摘要: 诊断基因是指与特定疾病表型密切相关的基因,通常具有很强的疾病标识能力。诊断基因的发现对探究疾病成因及疾病的诊治、预防至关重要,已成为当前生物信息学领域的研究热点和重点之一。现有方法忽略了基因间的相互关系信息,探究基因交互与疾病关联的能力较弱。本研究提出利用基因表达值间的序关系发现诊断基因模式的新思路,并引入不可约序关系体现基因的交互,用更少的基因获得更准确的疾病诊断。本研究侧重于设计新的诊断基因模式及高效、准确的发现算法。主要内容包括:微阵列数据的序列化模型构建、基于不可约序关系的有监督诊断基因模式发现、基于不可约序关系的无监督诊断基因模式发现、"噪音"环境中基于不可约序关系的诊断基因模式发现、基于协同不可约序关系的诊断基因模式精简等。研究成果对提高诊断准确率、缩小候选基因范围、降低诊断费用,都具有非常重要的实际意义,并且能为考察疾病成因提供新视角。具有较高的理论研究价值和广阔的应用前景。

中文关键词: 数据挖掘;不可约序关系;特征提取;诊断基因;基因表达数据

英文摘要: Diagnostic genes refer to the genes closely related to a specific disease phenotype, the power of which to distinguish between different classes are often high. Since discovering diagnostic genes is highly important for exploring the pathogeny, diagnosis, treatment and prevention of disease, it has been one of the hottest and the most important topics in bioinformatics. Most of the existing methods perform diagonistic gene discovery under the assumption of the independence among genes or only consider the combinational discriminative power of genes. That is, the abundant information of the interrelationship among the selected genes is ignored. This study proposes the novel idea that incorporating the ordering information of gene expression values into diagnostic gene discovery and introduces the novel conception of non-redundant discrimative sequence. As a result, it is enabled to achieve higher accuracy of disease diagnosis using fewer genes. This study focuses on the design of the novel and biologically explicable diagnostic gene pattern and the development of the effective and efficient discovery algorithms. The main contents of this research include: construction of microarray data sequence model, unsupervised discovery of diagnostic gene pattern based on non-reducible sequence, supervised discovery of diagn

英文关键词: data mining;non-reducible sequence;feature selection;diagnostic gene;gene expression data

成为VIP会员查看完整内容
0

相关内容

数据挖掘(Data mining)一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息和知识的过程。
因果推断在医药图像的应用:数据缺失和数据不匹配
专知会员服务
57+阅读 · 2022年4月2日
TKDE21 | 网络社团发现新综述:从统计建模到深度学习
专知会员服务
27+阅读 · 2021年10月27日
ACM TOIS 2021 | 第一个基于多关系图的任务驱动GNN框架
专知会员服务
16+阅读 · 2021年10月25日
元学习-生物医学中连接标记和未标记数据
专知会员服务
29+阅读 · 2021年8月3日
专知会员服务
25+阅读 · 2021年6月9日
CVPR 2021 | 时间序列疾病预测的因果隐马尔可夫模型
专知会员服务
62+阅读 · 2021年4月11日
专知会员服务
49+阅读 · 2020年8月27日
分布式图神经知识表示框架
专知会员服务
62+阅读 · 2020年7月28日
【元图(Meta-Graph):元学习小样本连接预测】
专知会员服务
64+阅读 · 2020年5月31日
SIGIR'21 | 推荐系统中的多关系图神经网络
图与推荐
3+阅读 · 2021年10月10日
机器学习医学进展有助改善肠道疾病检测
TensorFlow
0+阅读 · 2021年8月31日
知识图谱构建-关系抽取和属性抽取
深度学习自然语言处理
26+阅读 · 2020年3月1日
【知识图谱】中医临床知识图谱的构建与应用
产业智能官
60+阅读 · 2017年12月18日
领域应用 | 中医临床知识图谱的构建与应用
开放知识图谱
33+阅读 · 2017年12月12日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
35+阅读 · 2020年1月2日
Arxiv
14+阅读 · 2019年11月26日
Arxiv
23+阅读 · 2018年8月3日
小贴士
相关VIP内容
因果推断在医药图像的应用:数据缺失和数据不匹配
专知会员服务
57+阅读 · 2022年4月2日
TKDE21 | 网络社团发现新综述:从统计建模到深度学习
专知会员服务
27+阅读 · 2021年10月27日
ACM TOIS 2021 | 第一个基于多关系图的任务驱动GNN框架
专知会员服务
16+阅读 · 2021年10月25日
元学习-生物医学中连接标记和未标记数据
专知会员服务
29+阅读 · 2021年8月3日
专知会员服务
25+阅读 · 2021年6月9日
CVPR 2021 | 时间序列疾病预测的因果隐马尔可夫模型
专知会员服务
62+阅读 · 2021年4月11日
专知会员服务
49+阅读 · 2020年8月27日
分布式图神经知识表示框架
专知会员服务
62+阅读 · 2020年7月28日
【元图(Meta-Graph):元学习小样本连接预测】
专知会员服务
64+阅读 · 2020年5月31日
相关资讯
SIGIR'21 | 推荐系统中的多关系图神经网络
图与推荐
3+阅读 · 2021年10月10日
机器学习医学进展有助改善肠道疾病检测
TensorFlow
0+阅读 · 2021年8月31日
知识图谱构建-关系抽取和属性抽取
深度学习自然语言处理
26+阅读 · 2020年3月1日
【知识图谱】中医临床知识图谱的构建与应用
产业智能官
60+阅读 · 2017年12月18日
领域应用 | 中医临床知识图谱的构建与应用
开放知识图谱
33+阅读 · 2017年12月12日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员