检索结果-南通市图书馆

检索条件"主题词=SNP位点-药物关联关系预测"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于机器学习的snp位点—药物关联关系预测

基于机器学习的SNP位点—药物关联关系预测

引用

作者：冯小蓓兰州交通大学

学位级别：硕士

单核苷酸多态性(Single Nucletide Ploymorphysim,snp)位点是研究人类家族、动植物遗传变异的重要基础,因此被广泛应用于群体遗传学、疾病相关基因等研究,并在药物基因组学、诊断学和生物医学中发挥着重要作用。在药物基因组学研究中,识... 详细信息

单核苷酸多态性(Single Nucletide Ploymorphysim,snp)位点是研究人类家族、动植物遗传变异的重要基础,因此被广泛应用于群体遗传学、疾病相关基因等研究,并在药物基因组学、诊断学和生物医学中发挥着重要作用。在药物基因组学研究中,识别snp位点-药物之间的关联关系是临床精准用药的关键。然而,传统的生物实验方法在验证大量snp位点-药物之间的关联关系时,不仅成本高、效率低,而且具有一定程度的盲目性,导致其在实际应用中无法被广泛采用。近年来,随着生物信息学的发展,机器学习和数据挖掘等技术为预测snp位点-药物关联关系开辟了全新高效的策略与方法。因此,本文提出了一种基于机器学习的snp位点-药物关联关系预测算法。论文的主要研究内容如下:首先,对snp位点和药物分子进行数值化表征。由于snp位点和药物分子都是以字符串的形式存储于数据库中,不能作为特征向量直接输入到分类器中进行预测。因此,本文提出一种基于k-mer的snp位点数值化表征方法,并采用了一种基于分子指纹的药物分子数值化表征方法,这些方法描述了snp位点和药物数据的本质属性,为后续特征提取算法提供了数据保障。其次,对snp位点-药物特征进行特征提取。数值化表征后的snp位点特征信息中存在噪声数据和高维数据。因此,本文提出了一个基于降噪变分自编码器的snp位点-药物特征提取算法,使生成的特征高效且不丢失生物信息。接着,将提取的snp位点有效特征与药物分子特征进行融合,形成snp位点-药物融合特征,并输入到随机森林分类器中进行实验的训练、验证和测试。为了评估降噪变分自编码器提取特征的能力,对该模型实施了五倍交叉验证实验,取得了较好的结果。然后分别对不同特征提取算法和不同分类器进行比较,结果表明本文提出的特征提取算法能够准确、高效的提取snp位点的特征,可以提高snp位点-药物关联关系预测的准确率。最后,构建snp位点-药物关联关系预测模型。为了进一步提高预测准确率,本文提出了一种基于Stacking集成学习的snp位点-药物关联预测模型。第一层模型引入了四个基分类器(支持向量机、决策树、随机森林、XGBoost)进行预测;第二层模型选用逻辑回归作为元分类器,对第一层模型得到的预测值进行训练,构建Stacking集成模型。结果表明,相较于前述五种单一分类器,本文构建的Stacking模型可以有效提高snp位点-药物关联关系的预测准确率,在实际应用中有较高的参考价值。

关键词： snp位点-药物关联关系预测 k-mer 分子指纹降噪变分自编码器随机森林 Stacking集成学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：