17、时间序列基因表达数据中的基因选择

时间序列基因表达数据中的基因选择

在基因研究领域，基因选择是一项至关重要的工作。传统的基因选择方法存在诸多问题，如在包装器设置中，基因选择需要在选择基因之前采用建模技术，若模型选择过程存在问题，基因选择结果就不可靠。而且，像前向/后向选择等传统特征选择算法，需要对每个基因及其组合进行建模，计算成本高且效率低下。主成分分析（PCA）和独立成分分析（ICA）等特征提取方法也不适合，因为它们无法确定最具区分性的基因集，而是对整个数据进行转换并提取新的特征集。此外，现有的基因选择方法复杂且难以实施，还需要大量的先验知识和多个参数。

为了解决这些问题，提出了一种基于基因表达统计显著性和交换随机化的无监督基因选择方法。该方法将现有方法组合成一个管道，应用于基因选择，同时引入了具有生物学动机的特殊测试统计量——连续 1 的最长游程，这有助于提高区分性基因的选择效果。

时间序列基因表达数据集

实验使用了两个不同的时间序列基因表达数据集：
1. T 细胞分化数据集 ：这是一个 Affymetrix 小鼠基因组阵列和小鼠 T 细胞系 CTLL - 2 数据。它描述了小鼠 T 细胞在白细胞介素 - 2 处理后 24 小时内不同时间点对白细胞介素 - 2 的反应表达情况。该数据集用于分析白细胞介素 - 2 调控基因在十个不同时间点的基因表达谱，共测量了 45101 个基因在十个不同时间点的表达。由于时间序列中每个时间点的对照不可用，因此选取未用白细胞介素 - 2 处理的随机样本作为对照组。
2. 石棉暴露数据集 ：这是一个微阵列数据，描述了通过石棉暴露的青石棉药物对人类基因表达的影响。它代表了石棉暴露和未暴露