• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Asian Pacific Journal of Cancer Prevention >Cancer Detection in Microarray Data Using a Modified Cat Swarm Optimization Clustering Approach
【24h】

Cancer Detection in Microarray Data Using a Modified Cat Swarm Optimization Clustering Approach

机译：使用改进的Cat群优化聚类方法检测微阵列数据中的癌症

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Objective: A better understanding of functional genomics can be obtained by extracting patterns hidden in gene expression data. This could have paramount implications for cancer diagnosis, gene treatments and other domains. Clustering may reveal natural structures and identify interesting patterns in underlying data. The main objective of this research was to derive a heuristic approach to detection of highly co-expressed genes related to cancer from gene expression data with minimum Mean Squared Error (MSE). Methods: A modified CSO algorithm using Harmony Search (MCSO-HS) for clustering cancer gene expression data was applied. Experiment results are analyzed using two cancer gene expression benchmark datasets, namely for leukaemia and for breast cancer. Result: The results indicated MCSO-HS to be better than HS and CSO, 13% and 9% with the leukaemia dataset. For breast cancer dataset improvement was by 22% and 17%, respectively, in terms of MSE. Conclusion: The results showed MCSO-HS to outperform HS and CSO with both benchmark datasets. To validate the clustering results, this work was tested with internal and external cluster validation indices. Also this work points to biological validation of clusters with gene ontology in terms of function, process and component.
机译：目的：通过提取基因表达数据中隐藏的模式，可以更好地了解功能基因组学。这可能对癌症诊断，基因治疗和其他领域至关重要。聚类可以揭示自然结构并识别基础数据中有趣的模式。这项研究的主要目的是从具有最小均方误差（MSE）的基因表达数据中获得一种启发式方法，以检测与癌症相关的高度共表达的基因。方法：应用改进的CSO算法，使用Harmony Search（MCSO-HS）对癌症基因表达数据进行聚类。使用两个癌症基因表达基准数据集（即白血病和乳腺癌）分析了实验结果。结果：结果表明，白血病数据集的MCSO-HS优于HS和CSO，分别为13％和9％。就MSE而言，乳腺癌数据集的改善分别为22％和17％。结论：结果表明，在两个基准数据集上，MCSO-HS均优于HS和CSO。为了验证聚类结果，使用内部和外部聚类验证索引对这项工作进行了测试。这项工作还指出了从功能，过程和组成方面对具有基因本体的簇进行生物学验证。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号