Algorithms Implemented
for Cancer Gene Searching
and Classifications
Matej Troják
● Rôznorodé typy rakovinových buniek
● Najlepšie hodnotné algoritmy
– implementované pre Bio image
– implementované pre DNA array
Rakovina
● Diagnostika – klinický výskyt
● Vplyv prostredia
● 1 gén z tisícok
● Zdravie jednotlivcov
● Vytváranie liekov
Požiadavky na algoritmus
● Rýchlosť
● Presnosť
● Ľahká implementácia
● Testovateľnosť
Zaradenie algoritmov
● Genetic Algorithms (GA)
– Optimálna metóda
– Správanie ako evolúcia
● Tabu Search (TS)
– Heuristická metóda
– Flexibilné využitie pamäte
Algoritmy pre analýzu
● Microarray
– mnoho rozmerné dáta → nízka
výkonnosť klasifikácie
– Zložité priradenie odpovedajúcich
génov
● Identifikácia “tichých” génov
● Zaradenie informačných génov
Integrated Gene-Search
Algorithm
Hybrid Algorithm
● Genetic Algorithm + Particle Swarm
Optimization + Support Vector Machine +
Analysis of Variance
● Význam pri rakovine vaječníkov
Bio Image
● CAIMAN system (Cancer Image
Analyzis)
– Cellular migration
– Vasculature analysis
– Shading correction
● www.caiman.org.uk
Genetic Algorithm
● Inicializace
● Začátek cyklu
● Nové jedince:
– křížení, mutace, reprodukce
● Zdatnost jedinců
● Konec cyklu → 2
● Konec algoritmu
● Podmnožina redukovaná na základe
určitých kritérií
● V relácii s pôvodnou množinou, nie v
relácii medzi sebou
Correlation-based feature
selection
Particle Swarm Optimization
● Simulácia sociálneho správania
● Podobný s GA
K-Nearest Neighbor