混合GWOSPEA2ABC:一种用于基因表达数据分析和癌症分类的新型特征选择算法.

科学领域:

• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• DNA微阵列技术对于癌症研究,基因功能研究和分类至关重要.
• 机器学习 (ML) 技术越来越多地用于通过基因模式分析进行癌症分类.
• 高效的基因选择是癌症诊断和治疗的一个重大挑战.

研究的目的:

• 引入一种新的混合算法,用于优化癌症分类中的基因选择.
• 为了增强解决方案的多样性,融合效率,以及高维基基因表达数据的探索/利用.
• 为了验证算法的有效性与现有的生物灵感方法相比.

主要方法:

• 将灰狼优化器 (GWO),强度帕雷托进化算法2 (SPEA2) 和人工蜂群 (ABC) 集成到混合算法中.
• 在各种癌症数据集上应用混合算法进行特征选择.
• 使用五种不同的分类器对五种生物启发的算法进行比较分析.

主要成果:

• 混合GWOSPEA2ABC算法在识别癌症生物标志物方面超过了传统的生物灵感算法.
• 混合方法在处理用于基因选择的高维数据方面展示了增强的能力.
• 通过使用基因表达数据来解决癌症分类的挑战,观察到卓越的性能.

结论:

• 新的混合算法通过保持解决方案多样性和高效的融合来提高性能.
• 该研究推进了基因选择方法,以改善癌症检测和分类.
• 为准确的癌症分类提供了对相关基因的更好理解.