基于小波特征提取与遗传算法的结直肠癌数据生物标志物检测
神经与进化计算
2013-06-03 v1 计算工程、金融与科学
摘要
能够预测患者生存期的生物标志物在医学诊断和治疗中发挥着重要作用。如何从数百种蛋白质标志物中筛选出显著的标志物是生存分析的关键步骤。本文提出了一种新方法，利用小波分析、遗传算法和贝叶斯分类器来检测结直肠癌患者的预后生存生物标志物。一维离散小波变换 (DWT) 通常用于降低生物医学数据的维度。本研究提出使用一维连续小波变换 (CWT) 来提取结直肠癌数据的特征。一维 CWT 虽不具备降低数据维度的能力，但能捕捉 DWT 遗漏的特征，是 DWT 的互补部分。我们在提取的小波系数上执行遗传算法以选择优化特征，并使用贝叶斯分类器构建其适应度函数。相应的蛋白质标志物根据优化特征的位置进行定位。我们使用 Kaplan-Meier 曲线和 Cox 回归模型来评估所选生物标志物的性能。实验在结直肠癌数据集上进行，检测到了若干显著的生物标志物。研究发现一种新的蛋白质生物标志物 CD46 与生存时间显著相关。
引用
@article{arxiv.1305.7465,
title = {Wavelet feature extraction and genetic algorithm for biomarker detection in colorectal cancer data},
author = {Yihui Liu and Uwe Aickelin and Jan Feyereisl and Lindy G. Durrant},
journal= {arXiv preprint arXiv:1305.7465},
year = {2013}
}