利用人工神经网络识别小圆蓝细胞瘤亚型

利用人工神经网络识别小圆蓝细胞瘤亚型 利用人工神经网络识别小圆蓝细胞瘤亚型 230 第44卷第3期 2010年6月 哈尔滨医科大学 JOURNALOFHARBINMEDICALUNIVERSITY Vo1.44.No.3 Jun.,2010 利用人工神经网络识别小圆蓝细胞瘤亚型 郭松,刘心平,史呈伟,李立群,孟群 (1.哈尔滨医科大学科研处;2.哈尔滨医科大学公共卫生学院,黑龙江哈尔滨150081) [摘要]目的研究人工神经网络方法在识别肿瘤亚型中的有效性.方法利用小圆蓝细胞瘤的基因芯片数据, 采用人工神经网络方法从分子层面对其亚型进行分类.在计算出每个基因信噪比指标的基础上,采用加权投票方 法确定出特征基因,并利用线性神经网络方法构建分类器.结果该分类器在内部验证中获得了97.82%的正确 率,在独立检验样本集的预测过程中获得了95%的预测精度.结论人工神经网络模型在对癌症的亚型识别以及 治疗候选靶点的确定等领域具有很大的应用潜力. [关键词]人工神经网络;肿瘤亚型;基因芯片 [中图分类号]R730.4[文献标识码]A[文章编号]1000—1905(2010)03—0230—03 Identificationofsmall,roundblue-celltumorssubtypesbyartificialneuralnetwork GUOSong,LIUXin—ping,SHICheng—wei,etal (DepartmentofScientificResearch,HarbinMedicalUnive~ity,Harbin150081,China) Abstract:ObjectiveToinvestigatetheeffectivenessofartificialneuralnetworkinidentificati onof tumorsubtypes.MethodsBasedonthemicroarraydataofthesmall,roundblue— celltumors,artificial neuralnetworkwasemployedtoclassifythetumorsubtypesinmolecularleve1.Firstly,theod dsratiowas calculatedforeachgene.Secondly,aweightedvoterulewasusedforidentificationoffeatureg enes.Fi- nally,theclassificationswereconstructedbylinearneuralnetwork.ResultsTheaverageaccu racyof theclassificationintheinner— validationwas97.82%.and95%wasobtainedbyusingtheindependent testsampleset.ConclusionThereisapotentialapplicationoftheartificialneuralnetworkfort umordi— agnosisandtherapybyidentificationoftumorsubtypesandcandidatetargets. Keywords:artificialneur~network;tumorsubtypes;microarray 随着高通量基因芯片技术的完善和推广,其已 经广泛应用于基因功能预测,疾病诊断与分型以及 药物筛选等领域.传统的肿瘤诊断和分类方法 往往具有很强的主观性,其准确率依赖于分析者的 经验和水平.而基因芯片能够在一次实验中同时检 测成千上万个基因的表达水平,这为从分子层面对 肿瘤进行亚型分类及诊断肿瘤提供了良好的机遇. 例如Ramaswamy等人应用支持向量机的方法研究 了来自14种不同肿瘤类型的218个肿瘤样本的分 类和诊断问题,整体的分类正确率达到78%,远高 于随机的分类正确率. [收稿日期]2olo—o4—12 [作者简介]郭松(1968一),男,黑龙江哈尔滨人,教授,硕士. 通讯作者 人工神经网络(artificialneutralnetworks,ANN) 是一种应用类似于大脑神经突触联接的结构进行信 息处理的数学模型,通过训练可以对复杂的模式进 行识别和分类.神经网络的输入可以是任何类型的 数据,而输出则可以是多个类别标签.目前,人工神 经网络已经被应用到临床研究中,如利用心电图数 据诊断心肌梗死和心律失常;解释x线片诊断 间质性肺疾病等.本研究分析了小圆蓝细胞瘤 的基因芯片数据,应用数据挖掘算法识别其亚型间 的差异表达基因,基于这些分子标记利用线性人工 神经网络构建分类器,从而对小圆蓝细胞瘤的4种 亚型进行较为精确的分类. 第3期郭松,等.利用人工神经网络识别小圆蓝细胞瘤亚型231 l资料与方法 1.1数据描述 小圆蓝细胞瘤(SRBCTs)通常发生在儿童身上, 具有4种亚型,分别是NB(neuroblastoma),RMS (rhabdomyosarcoma),NHL(non?Hodgkinlympho— ma)和EWS(theEwingfamilyoftumors).目前还 没有单一的化学或者生物学测试方法能够把这4种 亚型准确地区分开.本研究所引用的小圆蓝细胞瘤 4种亚型的基因芯片数据来自Khan等"的研究,其 中包含6567个基因在88个样本中的表达水平(由 于偏小的基因表达水平容易受到噪声的影响,因此 Khan等人将红色荧光强度低于20的基因过滤掉, 最终获得了2308个基因用于亚型识别的分析),这 88个样本的诊断结果为:29个EWS,25个RMS,18 个NB,11个NHL,另外还有5个为非SRBCT样本. 因此,本文将83个患病亚型分成两部分,其中63个 用于人工神经网络的训练,另外20个不参与训练, 而作为独立样本集用于后期分类器的检验.83个 样本的4种亚型分布情况如表1所示. 表183个小圆蓝细胞瘤的4种亚型分布情况 1.2特征基因的提取 为了消除基因芯片数据的误差,利用公式 (g,s)=丛_二对基因芯片数据进行化 org 处理,式中x(g,s)是第g个基因在第S个样本中的 原始表达值,(g)和(g)分别表示基因g在所有 样本中的均值和方差.由于基因芯片数据具有样本 量少,检测基因多的特点,应对数据进行降维,以选 取到最具分类价值的基因,从而有效地避免"维数 灾难".本研究采用Gloub等人提出的基因信噪比 指标来评价基因同类别的相关程度_8J,其计算公式 2N(g)lI,g), (g),17"(g),(g)分别表示基因g在两类样本中 的均值和方差.然而,因小圆蓝细胞瘤具有4种亚 型,是一个四分类问题,所以需先将63个样本进行 4次两类化处理,每次中的第一类被定义为其中的 一 种亚型类别,而另一类则是其余3种亚型的并集, 然后再利用公式S()=?'~iS2N(g,)定义一种加 权的信噪比指标(s值),以衡量基因包含分类信息 的多少,式中n为第类亚型包含的样本数量,/2表 示的是全部63个训练样本.所计算出的值越大, 表明该基因对于亚型的识别越重要. 1.3人工神经网络的构建 采用线性神经网络对小圆蓝细胞瘤的4种亚型 进行分类.线性神经网络是最简单的一种神经元网 络,它可以由一个或多个线性神经元构成,每个神经 元的激活是线性函数.若选出的特征基因有 个,则具有个输入的单层线性神经元网络结构如 图1所示,本文选取的是N=4,为小圆蓝细胞瘤的4 种亚型.网络输出和输入之间的关系可以表示为y =+B,其中y表示输出列向量,表示输入列向 量,表示权重矩阵,B为阈值列向量.如果用表 示网络的目标输出向量,线性网络的输出误差函数 定义为(,)=1/2(r-r)=1/2(WX-B),当 网络的输入和目标输出值给定后,其输出误差将取 决于网络的权重和阈值.采用Widrow—Hoff学习规 则来训练神经网络,调整网络的权值,该学习规则又 被称为最小均方误差算法(1eastmeansquare, LMS),它利用梯度下降法,沿着相对于均方误差的 最快下降方向,不断修正权重和阈值,以使输出误差 达到最小值J,其学习规则无需求导,算法比较简 单,并且具有很快的收敛速度. ," y 图1具有M个输入?个神经兀的单层线性神经网络模型 1.4分类器的评价 使用内部验证和外部验证两种评价方法对分类 器的性能进行评价,其中内部验证使用的是改进的 n倍交叉证实方法,将63个训练样本4种亚型中 的每种亚型样本随机分成近似的n等份后,再从每 种亚型样本中随机选取其中的一份合并作为检验 集,剩余的所有样本作为训练集.依此类推,穷举所 有组合的情况下一共可以构建n×n×n×n=/7,个 训练集和检验集对,从而保证了每个样本均有一次 机会被用作检验样本,同时保证了在训练集中各类 样本的比例与原始样本集中的比例近似一致.由于 在对训练样本集进行划分的时候是随机进行的,因 此,还需要重复运算该随机过程m次,这样将会获 232哈尔滨医科大学第4_4卷 得m×凡个分类器及其检验正确率,将这些检验结 果进行平均就得到了分类器在内部验证中的正确 率.此外,20个检验样本作为外部独立的数据集用 来对所构建的神经网络分类器进行外部验证,以进 一 步评价分类器的效能. 2结果 对小圆蓝细胞瘤基因表达谱数据进行标准化 (使其服从均值为0,方差为1的分布)后分别计算 出2308个基因的s值,.s值的分布如图2所示.为 了能够利用较少的特征基因来达到较好的分类效 能,本研究选取0.7作为s的阈值,从而获得了11 个特征基因(ImageID:770394,784224,377461, 814260,1435862,866702,796258,244618, 52076,295985,491565);基于这些特征基因在63 个训练样本中的表达水平,利用WidrowHoff学习规 则采用改进的3倍交叉证实的方法来构建线性神经 网络分类器.在对分类器进行评价的过程中,将63 个样本按照4种不同的亚型分别随机分成近似的3 等份,每次从每个类别中随机抽取一份合并作为检 验集,其余2份合并作为训练集,所以一次随机将产 生3=81种不同的训练集和检验集对.在每种情 况下,通过训练集来构建线性神经网络分类器,再利 用检验集进行分类效能评价.该随机过程重复进行 了1O次,一共获得了810个神经网络分类器,这些 分类器正确率的均值作为评价神经网络在训练样本 中的分类效能.810个分类器中错分样本的个数统 计如表2所示,故内部验证的整体正确率为371/ [(81×10×63)/3]97.82%.而20个独立样本 的外部评价结果显示19个样本获得了正确的分类. 图2S的不同阈值及其对应的特征基因个数 表2内部验证的分类器效果 3讨论 利用小圆蓝细胞瘤4种亚型的基因表达谱数 据,在筛选出特征基因的基础上,采用Widrow—Hoff 学习规则训练线性人工神经网络分类器,在内部的 3倍交叉验证和外部验证的评价中都取得了令人满 意的分类效能.本研究结果提示,利用基因芯片数 据并结合数据挖掘算法,可实现对肿瘤亚型的较为 精确分类,克服传统肿瘤诊断的主观性判断问题,避 免出现在显微镜下因肿瘤亚型细胞相似而难以精确 分型的困难,对肿瘤的诊断以及肿瘤分子靶点的识 别来说是一种行之有效的更为客观的精细方法,具 有重要的实用价值.此外,该方法还能够识别出对 分类有重要贡献的特征基因,不但能够很好地起到 降维作用,并且对于肿瘤治疗靶点的识别具有重要 的参考意义. [参考文献] [1]RamaswamyS,GolubTR.DNAmicroarraysinclinicaloncology 【J].JClinOncol,2002,20(7):1932-1941. [2]LanderES.Arrayofhope[J].NatGenet,1999,21(1Supp1):3-4. [3]RamaswamyS,TamayoP,RifkinR,eta1.Muhiclassc~cerdi— agnosisusingtumorgeneexpressionsignatures[J].ProcNatlAcad SciUSA,2001,98(26):15149-15154. [4]Hed6nB,OhlinH,RittnerR,eta1.Acutemyocardialinfarction detectedinthe12-leadECGbyartificialneuralnetworks『J]. Circulation,1997,96(6):1798—1802. [5]SilipoR,GoriM,TaddeiA,eta1.Classificationofarrhythmic ventsinambulatoryelectrocardiogram,usingartificialneuralnet— works[J].ComputBiomedRes,1995,28(4):305-318. [6]AshizawaK,IshidaT,MacMahonH,eta1.Artificialneuralnet— worksinchestradiography:applicationtothedifferentialdiagnosis ofinterstitiallungdisease[J].AcadRadiol,1999,6(I):2_9. [7]KhanJ,Weijs,Ringn6rM,eta1.Classificationanddiagnostic predictionofcancersusinggeueexpressionprofilingandartificial neuralnetworks[J].NatMed,2001,7(6):673-679. [8]GolubTR,SlonimDK,TamayoP,eta1.Molecularclassification ofcancer:classdiscoveryandclasspredictionbygeneexpression monitoring[J].Science,1999,286(5439):531-537. [9]葛蕾,霍爱清.Widrow—Hoff神经网络学习规则的应用研究 [J].电子设计工程,2009,17(6):15—16. [10]bX,RaoS,WangY,eta1.Genemining:anovelandpowerful ensembledecisionapproachtohuntingfordiseasegenesusingmi— croarrayexpressionprofiling[J].NucleicAcidsRes,2004,32 (9):2685.2694. 匿 一 : 匾 一垦 一 嘲豳一 儿网一 丽豳黼阻一网嘲嘲邈一 m圈溺嘲豳嘲邈一m阐嬲阕嘲盥一嬲豳豳潲盟