静息态功能脑网络的基因基础以及分类研究.pdf

《静息态功能脑网络的基因基础以及分类研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第4期计算机应用与软件Vo1．32No．42015年4月ComputerApplicationsandSoftwareApr．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一313)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

2、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-3B抑郁症复杂网络脑功能网络分类中图分类号TP182文献标识码ADOI：10．3969／j．issn．1000-386x．2015．04．014RESEARCHoNBASISoFGENESOFFUNCTIONALBRAINNETWoRKINRESTINGSTATEANDITSCLASSIFICATIoNZhengJ

3、ingjingNiuLiminChengChenGuoHaoChenJunjie(CollegeofComputerScienceandTechnology，TaiyuanUnive~iqofTechnology，alz030024，Shanxi，China)AbstractInordertoidentifywhethertherearethesignificantdifferenceingenotypebetweendepressionpatientsandhealthycontrolgroupandthesignificantinteractioneffectbetweengenotype

4、anddiseasestates，wechoseGSK一3Bgenesandcarryoutthestatisticalanalysisthroughrelatedindicatorsoffunctionalbrainnetwork．Bvusingstatisticalsignificanceasthebasisoffeatureselection．weextractdifferentnumberofnodespropertiesastheclassificationfeatureandselectfourdiferentclassificationalgorithmstostudythecl

5、assificafion．ResultsshowthattheclassificationmodelsbuiltwithSVMandartificialneuralnetworkhashigheraccuracies：theaccuraciesofdiseasestatusclassificationmodelreach73．5％and70．87％respectively．andforgeneticclassificationmodeltheyreach74．35％and76．66％respectively．Thereforethegenehascertaininfluenceonfuncti

6、onalbrainnetworksinrestingstate．moreoveritiSalSOprovedthattherelatedindicatorsofbrainnetworkcanbeusedasthebasisofjudgingtheinteractioneffectbetweengeneanddepressiondisease．KeywordsGSK-313MajordepressivedisorderComplexnetworkFunctionalbrainnetworkClassification郁症患者的GSK．38多态性和大脑结构变化之间存在一定关0引言联。但是，GSK一

7、3B对于抑郁症患者对功能脑网络的拓扑属性影响以及其临床意义，目前我们仍未可知。针对这一问题，本近年来通过图论的方法证实了人脑具有多种重要的网络属文以抑郁症患者组和对照组为研究对象，利用复杂网络研究理性，如“小世界”属性，即反映了大脑的功能分化和整合的信息论构建功能脑网络，通过功能脑网络指标的统计分析，来判断基交换属性，又反映了对于不同的刺激大脑所拥有的自适应能因影响的抑郁组与对照组的功能脑网络之间