1 / 28

基因微陣列分類系統

基因微陣列分類系統. 組 員 : 陳昭瑋 李進旗 何榮倫 陳勇達. 指導教授 : 張玉盈 教授. Outline. 目的 系統簡介 演算法說明 DEMO. 2. 目的. 生物資訊是最近非常熱門的一個研究方向 生物資訊其最終目標是要完全了解人類所有基因的秘密。 生物資訊中，微陣列 (microarray) 是用來了解基因表現的重要工具。 藉由針對微陣列設計分類系統，可以幫助 醫學界更精準地判斷基因相關的疾病。. 3. 系統簡介. 利用微陣列設計分類系統 微陣列 (Microarray) 二維陣列

morela
Download Presentation

基因微陣列分類系統

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 基因微陣列分類系統 組 員: 陳昭瑋 李進旗 何榮倫 陳勇達 指導教授: 張玉盈 教授

  2. Outline • 目的 • 系統簡介 • 演算法說明 • DEMO 2

  3. 目的 • 生物資訊是最近非常熱門的一個研究方向 • 生物資訊其最終目標是要完全了解人類所有基因的秘密。 • 生物資訊中，微陣列(microarray)是用來了解基因表現的重要工具。 • 藉由針對微陣列設計分類系統，可以幫助 醫學界更精準地判斷基因相關的疾病。 3

  4. 系統簡介 • 利用微陣列設計分類系統 • 微陣列(Microarray) 二維陣列 一維:基因 一維:條件 • 陣列所記錄的值，即某個基因在某個condition下所表現的程度。 4

  5. Classification • Classification是從兩組已知分類結果的資料中，找出能夠用來區分分類的classifier，之後便利用此classifier來預測新資料的所屬分類。 • 本專題使用的classifier為eJEP。 TEST A 組 TEST的分類結果 classifier B 組 5

  6. 演算法 • Preprocessing(將輸入資料轉換成有用資料) • P-tree(Pattern tree) Construction and merge • Using the P-tree to Mine eJEPs (Essential Jumping Emerging Patterns) • Compute similarity by score function • 將輸入資料分類到應屬的Class 6

  7. Preprocessing • Normal Data • Cancer Data 7

  8. Normal Data Normal Class(Class D1) Cancer Data Cancer Class(Class D2) 8

  9. Preprocessing Class D1 D1 Class D2 D2 9

  10. P-tree Construction and merge • A pattern tree (P-tree) is an ordered multiway tree structure. • The ordered is item’s supports-ration-descending order. • Nodes will be merged, which ensures the complete set of eJEPs are generated. 10

  11. P-tree Construction and merge data class 1={{a,c,d,e},{a},{b,e},{b,c,d,e}}data class 2={{a,b},{c,e},{a,b,c,d},{d,e}}the supports-ratio-descending order: e > a > b > c >d Data class 1={{e,a,c,d},{a},{e,b},{e,b,c,d}} Data class 2={{a,b},{e,c},{a,b,c,d},{d,e}} Construct the P-tree 11

  12. P-tree Construction and merge 12

  13. P-tree Construction and merge 13

  14. P-tree Construction and merge 14

  15. P-tree Construction and merge 15

  16. P-tree Construction and merge 16

  17. P-tree Construction and merge 17

  18. eJEP • eJEP定義 : a b可以互換 • 根據定義我們就可以找出eJEP • 這裡定義μ＝1 18

  19. eJEP: {e,a} (1:0) {e,b} (2:0) {e,c,d} (2:0) {a,b} (0:2) 19

  20. Similarity • Score Function • where eJEP(Ci) are all the eJEPs in Ci • The eJEPs-Classifier determines the class label as the class where s obtains the largest Ci • SUPP(X) 代表X在Class中出現次數 20

  21. Class1(D1) Class2(D2) eJEPs in Class2(D2) eJEPs in Class1(D1) Testing Data s = {e, a, b, c} score(D1) = supp( {e, a} ) +supp( {e, b} ) =1+2=3 score(D2) = supp( {a,b} )=2 Thus, the class label of Data s is D1 21

  22. DEMO前的說明 Demo用的microarray資料是急性白血病的分類，有： (1) 急性髓細胞白血病(AML) (2) 急性淋巴細胞白血病(ALL) • 我們要由系統來偵測出所輸入資料的急性白血病分類，AML 或者 ALL。 • Microarray資料來源: http://www.broad.mit.edu/ 22

  23. 視窗介面 23

  24. 視窗介面

  25. 視窗介面

  26. 視窗介面

  27. 視窗介面

  28. DEMO 時間

More Related