基于互信息频度的特征选择及其在SNP关联分析中的应用

论文摘要

SNP （Single-Nucleotide Polymorphism,单核苷酸多态）是一种新的遗传标记。它在人类遗传变异中非常普遍,几乎占到已知变异多态性的90%以上。对SNP研究是后基因时代生物信息学研究的重要领域之一。然而,由于SNP大量存在于人类基因组中,并且存在大量多余的及与疾病不相关的SNP,使得寻找与疾病相关的SNP成为一个难点。通常解决这类问题的办法是进行特征选择。特征选择自从上世纪70年代以来得到了长足的发展,有许多特征选择的方法可用于一般性问题。本文应用特征选择来试图找出与疾病相关的SNP。论文利用互信息作为特征选择的评价函数,提出了一种基于互信息频度的启发式搜索候选特征集的方法（枝条矩阵搜索算法）,对SNP进行特征选择实验,并对算法及实验结果进行详细的分析。之后做了两组对比实验,第一组实验对ME算法和mRMR算法进行了仿真,并比较了这两种算法和本文算法的性能；第二组实验针对model内SNP之间的影响以及rnodel间SNP的影响。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 课题背景
• 1.1.1 SNP介绍
• 1.1.2 SNP研究价值
• 1.1.3 SNP的特点
• 1.1.4 SNP研究的三个阶段
• 1.2 国内外研究现状
• 1.3 本文研究内容及结构
• 第二章 特征选择
• 2.1 特征选择概念
• 2.2 特征子集选择算法和评价函数
• 2.3 特征选择算法分类及经典算法
• 2.4 本章小结
• 第三章 基于互信息频度的特征选择算法
• 3.1 基于互信息和频度的特征选择算法的框架
• 3.2 信息论与互信息
• 3.2.1 信息论基本内容及发展
• 3.2.2 互信息
• 3.3 枝条矩阵搜索算法
• 3.3.1 枝条矩阵搜索算法描述
• 3.3.2 时间复杂度分析
• 3.3.3 参数分析
• 3.4 性能评价
• 3.4.1 ROC曲线简述
• 3.4.2 ROC在本文性能评价中的应用分析
• 3.5 本章小结
• 第四章 实验与结果分析
• 4.1 实验数据处理与实验结果
• 4.1.1 实验数据处理
• 4.1.2 实验环境
• 4.1.3 实验结果
• 4.2 实验一:不同方法的比较
• 4.2.1 ME方法及mRMR算法简介
• 4.2.2 对比实验的实验结果
• 4.2.3 ROC曲线性能对比
• 4.3 实验二:SNP关联影响分析
• 4.3.1 model内部SNP之间的影响
• 4.3.2 model之间SNP的影响
• 4.4 本章小结
• 总结与展望
• 致谢
• 参考文献
• 硕士期间发表的论文