基于深度學(xué)習(xí)的PD致病基因活性預(yù)測(cè)

基于深度學(xué)習(xí)的PD致病基因活性預(yù)測(cè)

ID:36620720

大?。?33.97 KB

頁(yè)數(shù):5頁(yè)

時(shí)間:2019-05-13

基于深度學(xué)習(xí)的PD致病基因活性預(yù)測(cè)_第1頁(yè)
基于深度學(xué)習(xí)的PD致病基因活性預(yù)測(cè)_第2頁(yè)
基于深度學(xué)習(xí)的PD致病基因活性預(yù)測(cè)_第3頁(yè)
基于深度學(xué)習(xí)的PD致病基因活性預(yù)測(cè)_第4頁(yè)
基于深度學(xué)習(xí)的PD致病基因活性預(yù)測(cè)_第5頁(yè)
資源描述:

《基于深度學(xué)習(xí)的PD致病基因活性預(yù)測(cè)》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、第34卷第9期計(jì)算機(jī)應(yīng)用與軟件Vol34No.92017年9月ComputerApplicationsandSoftwareSep.2017基于深度學(xué)習(xí)的PD致病基因活性預(yù)測(cè)1,2212李自臣田生偉劉江越高雙?。保豸斈君R職業(yè)大學(xué)信息工程學(xué)院新疆烏魯木齊830002)2(新疆大學(xué)軟件學(xué)院新疆烏魯木齊830008)摘要帕金森?。校模ǎ校幔颍耄椋睿螅铮睢螅洌椋螅澹幔螅澹┦且环N神經(jīng)性系統(tǒng)疾病,多發(fā)于中老年人。目前,該病情的病因和發(fā)病機(jī)制尚不明確,但根據(jù)多國(guó)臨床試驗(yàn)數(shù)據(jù)統(tǒng)計(jì)與分析,PINKs基因是影響整個(gè)PD發(fā)病的重要原因之一。針對(duì)該基因的活性結(jié)構(gòu)數(shù)據(jù)進(jìn)行研究,提出基于深度學(xué)習(xí)的深

2、度信念網(wǎng)絡(luò)(DBN)與稀疏自編碼(SAE)預(yù)測(cè)方法。該算法能通過深層網(wǎng)絡(luò)特征單元自動(dòng)學(xué)習(xí)到適合分類器分類的高層非線性組合特征,并將這些高層次特征輸入到分類器中進(jìn)行數(shù)據(jù)分析。實(shí)驗(yàn)結(jié)果表明,DBN算法的平均預(yù)測(cè)精度較SVM與ANN分別提高了28.04%、18.84%;SAE算法的平均預(yù)測(cè)精度較SVM與ANN分別提高了23.51%、14.31%。所以,提出的基于深度學(xué)習(xí)的PINKs活性預(yù)測(cè)方法具有較高的預(yù)測(cè)精度和穩(wěn)定性,與理論分布也較為相吻合,適用于該基因活性的研究與探討。關(guān)鍵詞活性深度學(xué)習(xí)?。樱粒拧☆A(yù)測(cè)研究中圖分類號(hào)?。裕校场   ∥墨I(xiàn)標(biāo)識(shí)碼 A   ?。模希桑海保埃常梗叮梗辏?/p>

3、ssn.1000386x.2017.09.037PREDICTIONOFPDDISEASEGENEACTIVITYBASEDONDEEPLEARNING1,2212LiZichen TianShengwei?。蹋椋酰剩椋幔睿纾酰濉。牵幔铮樱瑁酰幔睿纾椋睿保ǎ樱悖瑁铮铮欤铮妫桑睿妫铮颍恚幔簦椋铮睿牛睿纾椋睿澹澹颍椋睿?,UrumqiVocationalUniversity,Urumqi830002,Xinjiang,China)2(SchoolofSoftware,XinjiangUniversity,Urumqi830008,Xinjiang,China)Abstract 

4、 Parkinson’sdisease(PD)isakindofnervesystemdisease,morecommonintheelderly.Atpresent,theconditionoftheetiologyandpathogenesisisnotclear,butaccordingtomultinationalclinicaltrialdatastatisticsandanalysis,PINKsgeneisoneoftheimportantreasontoinfluencethewholePDpathogenesis.Thispaperstudyforthestru

5、ctureofactivitygene,andtheDBNandSAEareproposedforthePINKsactivityprediction.Theproposedalgorithmcanlearnautomaticallybythecharacteristicsofdeepwebunitissuitableforthehighnonlinearcombinationclassifierclassificationfeature,andwillthesehighlevelfeaturesinputstotheclassifierfordataanalysis.Thee

6、xperimentalresultsshowthattheDBNalgorithmtheaveragepredictionaccuracyofSVMwithANNrespectivelyincreasedby28.04%,18.84%;SAEalgorithmtheaveragepredictionaccuracyoftheSVMandANNrespectivelyincreasedby23.51%,14.31%.Inthispaper,basedonthedeepstudyofPINKsactivitypredictionmethodhashigherpredictionacc

7、uracyandstability,inconformitywiththetheoryofdistributionare,alsoisapplicabletotheactivityofresearchanddiscussion.Keywords ?。粒悖簦椋觯椋簦。模澹澹穑欤澹幔颍睿椋睿纭。樱粒拧。校颍澹洌椋悖簦椋铮睢。遥澹螅澹幔颍悖柽\(yùn)動(dòng)遲緩和平衡失調(diào)障礙,同時(shí)患者可伴有抑郁、便[1-2]0 引言秘和睡眠障礙等非運(yùn)動(dòng)癥狀。帕金森病最主要的病理改變是中腦黑質(zhì)多巴胺DA(dopam

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。