题 目 基于神经网络MIV 值分析的肿瘤基因信息提取
摘 要：
本文主要运用统计学及数据挖掘相关知识，以结肠癌基因表达图谱为研究对象，综合运用 GB 指数、BP 神经网络、小波变换和贝叶斯等方法对问题给出求解的过程和结果。
问题一采用 GB 综合指数对无关基因进行筛选。首先计算各个基因的Gini 指数和
Bhattacharyya 距离，其次合理定位阈值，分别在Gini 指数排序和 Bhattacharyya 距离排序中选择 300 个优势位置的基因作为备用基因，最后选择这两组备用基因的交集作为信息基因， 共 114 个。从而降低了基因维度。
问题二结合已有文献，本着创新性和有效性的思想进行基因信息提取。
Ø 首先利用基因间的强相关性进行初步冗余基因的剔除，得到了五组特征基因组；利用 BP 神经网络对这五组基因组进行错判数计算，选取错判率最低、基因子集中基因数量最少的基因特征组作为下一步研究基因子集；
Ø 其次利用平均影响值（MIV）方法来进行筛选基因，通过计算一个基因组合中每个基因的 MIV 值，每次剔除MIV 绝对值处于后 10%的基因进行基因子集的确定；
Ø 最后利用 BP 神经网络来进行 22 个基因子集的错判数计算，最终确定含有 12 个基因的子集为最优基因组合（M85079，T62947，R39209，R84411，T54303，M82919，
H43887，X12671，H08393，M26383，R36977，R87126）。
问题三将每组基因表达值看做基因信号，运用小波转换法对基因数据进行去噪，建立去噪模型。运用 MATLAB 小波工具箱对基因表达数据进行去噪处理，并运用去噪后的基因数据重新进行基因的分类、特征基因的提取。通过对比发现，去噪后的数据进行基因分类时能保留 61 个基因，比原始基因数据少 53 个，特征基因提取为 8 个。
问题四针对给定的若干信息基因，利用聚类分析原理和 Bayes 估计，通过模型建立给出探索其它未知信息基因的思想。
关键字：基因表达谱；GB 指数；MIV；BP 神经网络；小波变换；贝叶斯
