生物信息学分析--诊断模型构建
21世纪以基因芯片技术和高通量测序技术为代表，宣告着生命科学研究进入高通量的基因组学时代。面对这些庞大的海量数据，生物信息学为此提供了较好的解决方案。生物信息学综合生命科学，数学和计算机方法，主要采用多种人工智能算法：遗传算法，人工神经网络、支持向量机等算法来构建疾病预测诊断模型。 诊断模型构建流程图 服务内容
1、R语言，GEO\TCGA原始数据整理。
2、R语言统计分析，t检验差异基因筛选。
3、Matlab遗传算法变量筛选。
4、BP、LVQ神经网络、支持向量机等模型构建。
5、独立样本模型验证。
案例一、针对前列腺癌样本，选取GEO数据库中Taylor数据集，构建基于基因芯片数据的PCa诊断模型。根据不同建模目的，应用多种统计方法及智能算法筛选差异表达基因。 二、根据数据特点选取适合的智能算法建立诊断模型，并用独立样本验证模型结果。 三、诊断模型结果评估，ROC曲线。 四、应用诊断模型进行预后预测。
文献案例
文章通过前列腺癌基质中差异表达的基因，成功构建PCa诊断模型。表一展示训练集测试集分别含有的样本量和数据来源。表2包含训练集和测试集的样本个数和对应的准确率。图2中画出在诊断模型的训练集包含的131个探针中的2个主成分。相关步骤在R语言LIMMA包中实现，建模方法为PAM。
Jia Z, Wang Y, Sawyers A, et al. Diagnosis of Prostate Cancer Using Differentially Expressed Genes in Stroma[J]. Cancer Research, 2011, 71(7):2476-2487.
联系我们：
咨询热线：020-29039963 18816893417
QQ : 3498275176 邮箱：sales@hyymed.com
沪公网安备 31011502008050号
