引用

LaTex

@article{GUMUS201323,
title = “Multi objective SNP selection using pareto optimality”,
journal = “Computational Biology and Chemistry”,
volume = “43”,
pages = “23 - 28”,
year = “2013”,
issn = “1476-9271”,
doi = “https://doi.org/10.1016/j.compbiolchem.2012.12.006“,
url = “http://www.sciencedirect.com/science/article/pii/S1476927112001156“,
author = “Ergun Gumus and Zeliha Gormez and Olcay Kursun”,
keywords = “Feature selection, Principal component analysis (PCA), Mutual information (MI), Genomic鈥揼eographical distance, Human Genome Diversity Project SNP dataset”
}

Normal

Ergun Gumus, Zeliha Gormez, Olcay Kursun,
Multi objective SNP selection using pareto optimality,
Computational Biology and Chemistry,
Volume 43,
2013,
Pages 23-28,
ISSN 1476-9271,
https://doi.org/10.1016/j.compbiolchem.2012.12.006.
(http://www.sciencedirect.com/science/article/pii/S1476927112001156)
Keywords: Feature selection; Principal component analysis (PCA); Mutual information (MI); Genomic–geographical distance; Human Genome Diversity Project SNP dataset

摘要

Biomarker discovery 生物标志物发现

SNP — single nucleotide polymorphism 单核苷酸多态性

传统单目标 — 最大化分类准确度

1 高分类准确度
2 种族群体遗传多样性与地理距离的相关性

主要内容

数据集：
Human Genome Diversity Project (HGDP) SNP 数据集
1064个个体
52个族群
原始数据：
1043个个体
每个个体 — 660,918 SNPs（163来自线粒体DNA，排除）— 用660,755
每个SNP — 2个等位基因 — 编码表示为：$\left\{ -1, 0, 1 \right\}$

目标一：

高分类准确度 — mutual information MI 互信息

$H$ — 随机变量的熵

目标二：

基因组地理相关性 — principal components analysis PCA

由于维度较高 — 对PCA使用了“维度戏法”

$C$ — $D\times D$维协方差矩阵
$Y$ — $N \times D$为中心数据矩阵，$N \ll D$

$k_i$ — 特征向量$i$
两边同乘$Y$

$v_i = Yk_i$ — 协方差矩阵$YY^T$的第$i$个特征向量
两边同乘$Y^T$

可得：