苏强
- 作品数：2 被引量：1H指数：1
- 供职机构：上海大学生命科学学院更多>>
- 相关领域：医药卫生更多>>
- 基于CFS算法研究肾癌中的关键基因
- 2017年
- 目的:识别肾细胞癌(RCC)中的关键基因,并揭示其在肿瘤中的作用机理.方法:从GEO数据库下载芯片数据GSE53757,筛选它们之间的差异表达基因(DEGs).使用DAVID在线工具对DEGs进行GO功能注释和KEGG富集分析,然后使用基于特征子集相关性(CFS)的变量筛选方法筛选DEGs的关键基因,并根据筛选出的关键基因,使用支持向量机(SVM)方法建立筛选RCC样本和正常对照样本的分类预测模型.结果:共筛选到541个DEGs,包括312个上调基因和229个下调基因.选择21个作为特征基因,通过SVM方法建立RCC样本和正常对照样本之间的分类模型,其预测精度为97.2%.此外,STRING数据库筛选的Top10Hub基因中也发现了4个与CFS算法筛选出的特征基因重合的Hub基因(CD40,EGFR,CAV1和TGFA).结论:CFS是用于筛选RCC中关键基因的有用工具.并且,CD40,EGFR,CAV1和TGFA这4个基因很可能为诊断RCC的目标基因.
- 张梦莹卢易钮冰苏强
- 关键词：基因表达谱癌症分类基因选择肾癌
- 基于CFS-mRMR特征筛选方法和Adaboost算法的胶质瘤相关基因筛选及预测模型的建立被引量：1
- 2019年
- 目的:找出胶质瘤病变发生机制相关的基因群,并在此基础上建立预测胶质瘤病变发生的预测模型。方法:收集GEO中胶质瘤芯片数据,使用关联特征选择(Correlation-based Feature Subset, CFS)和最小冗余最大相关性(Minimum Redundancy MaximumRelevance, mRMR)特征选择方法筛选出差异基因,分析这些差异基因的功能,然后使用Adaboost算法建立胶质瘤的预测模型,并对模型的预测能力进行评估。结果:通过特征筛选,得到了19个和胶质瘤病变相关的的基因;以该19个基因建组成特征子集,结合AdaBoost算法建立了胶质瘤的预测模型,经验证,模型的预报准确率可以达到95.59%。通过对19个差异基因的GO和KEGG分析,发现这些基因和肿瘤的发生发展有一定作用。结论:CFS-mRMR特征筛选方法可以有效地发现与胶质瘤疾病有关的基因,所筛选的19个差异基因具有生物学意义,且以此构建的胶质瘤预测模型,可以有效地对预测胶质瘤的发生。
- 邱纯邱纯马巧蓉苏强苏强
- 关键词：胶质瘤差异基因ADABOOST
