静息态功能脑网络的基因基础以及分类研究-计算机应用与软件.pdf

第３２卷第４期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．４ ２０１５年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１５ 静息态功能脑网络的基因基础以及分类研究 郑晶晶　牛力敏　程　忱　郭　浩　陈俊杰 （太原理工大学计算机科学与技术学院　山西太原０３００２４） 摘　要　　为了判断抑郁症患者组与健康对照组之间是否存在显著的基因型差异及基因型与疾病状态间是否存在显著交互效应， 选择ＧＳＫ３（ＧｌｙｃｏｇｅｎＳｙｎｔｈａｓｅＫｉｎａｓｅ３）基因，通过功能脑网络指标进行统计分析，并利用统计显著性作为特征选择的依据，提取 β β 不同数量的节点属性作为分类特征。选择四种不同的分类算法进行分类研究，结果表明ＳＶＭ和人工神经网络算法构建的分类模型 正确率较高，疾病状态分类模型分别达到７３．５０％ 和７０．８７％，基因分类模型分别达到７４．３５％ 和７６．６６％。因此，基因对静息态功 能脑网络存在着一定的影响，并且证明了脑网络的相关指标可以作为对基因与抑郁症疾病之间存在交互效应的判断依据。 关键词　　ＧＳＫ３　抑郁症　复杂网络　脑功能网络　分类 β 中图分类号　ＴＰ１８２　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１５．０４．０１４ ＲＥＳＥＡＲＣＨＯＮＢＡＳＩＳＯＦＧＥＮＥＳＯＦＦＵＮＣＴＩＯＮＡＬＢＲＡＩＮ ＮＥＴＷＯＲＫＩＮＲＥＳＴＩＮＧＳＴＡＴＥＡＮＤＩＴＳＣＬＡＳＳＩＦＩＣＡＴＩＯＮ  ＺｈｅｎｇＪｉｎｇｊｉｎｇ　ＮｉｕＬｉｍｉｎ　ＣｈｅｎｇＣｈｅｎ　ＧｕｏＨａｏ　ＣｈｅｎＪｕｎｊｉｅ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００２４，Ｓｈａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｏｒｄｅｒｔｏｉｄｅｎｔｉｆｙｗｈｅｔｈｅｒｔｈｅｒｅａｒｅｔｈｅｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅｉｎｇｅｎｏｔｙｐｅｂｅｔｗｅｅｎｄｅｐｒｅｓｓｉｏｎｐａｔｉｅｎｔｓａｎｄｈｅａｌｔｈｙｃｏｎｔｒｏｌｇｒｏｕｐ ａｎｄｔｈｅｓｉｇｎｉｆｉｃａｎｔｉｎｔｅｒａｃｔｉｏｎｅｆｆｅｃｔｂｅｔｗｅｅｎｇｅｎｏｔｙｐｅａｎｄｄｉｓｅａｓｅｓｔａｔｅｓ，ｗｅｃｈｏｓｅＧＳＫ３ ｇｅｎｅｓａｎｄｃａｒｒｙｏｕｔｔｈｅｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｔｈｒｏｕｇｈ β ｒｅｌａｔｅｄｉｎｄｉｃａｔｏｒｓｏｆｆｕｎｃｔｉｏｎａｌｂｒａｉｎｎｅｔｗｏｒｋ．Ｂｙｕｓｉｎｇｓｔａｔｉｓｔｉｃａｌｓｉｇｎｉｆｉｃａｎｃｅａｓｔｈｅｂａｓｉｓｏｆｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ，ｗｅｅｘｔｒａｃｔｄｉｆｆｅｒｅｎｔｎｕｍｂｅｒｏｆ ｎｏｄｅｓｐｒｏｐｅｒｔｉｅｓａｓｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｆｅａｔｕｒｅａｎｄｓｅｌｅｃｔｆｏｕｒｄｉｆｆｅｒｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｓｔｏｓｔｕｄｙｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌｓｂｕｉｌｔｗｉｔｈＳＶＭａｎｄａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｈａｓｈｉｇｈｅｒａｃｃｕｒａｃｉｅｓ：ｔｈｅａｃｃｕｒａｃｉｅｓｏｆｄｉｓｅａｓｅｓｔａｔｕｓｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌ ｒｅａｃｈ７３．５％ａｎｄ７０．８７％ｒｅｓｐｅｃｔｉｖｅｌｙ，ａｎｄｆｏｒｇｅｎｅｔｉｃｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌｔｈｅｙｒｅａｃｈ７４．３５％ａｎｄ７６．６６％ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｒｅｆｏｒｅｔｈｅ ｇｅｎｅｈａｓｃｅｒｔａｉｎｉｎｆｌｕｅｎｃｅｏｎｆｕｎｃｔｉｏｎａｌｂｒａｉｎｎｅｔｗｏｒｋｓｉｎ