基于Apriori算法的遗传疾病基因致病位点分析方法
详细信息 查看官网全文
- 英文论文题名：Method of Genetic Disease Gene Locus Analysis Based on Apriori Algorithm
- 论文作者：练凯迪 ; 陆向艳 ; 刘亚桥 ; 刘峻
- 英文论文作者：Lian kaidi ; Lu xiangyan ; Liu yaqiao ; Liu jun ; School of Computer and Electronic Information ; Guangxi University ; Information Science Experiment Center of Guangxi ; Guilin University of Electronic Technology
- 年：2016
- 作者机构：广西大学计算机与电子信息学院;桂林电子科技大学广西信息科学实验中心;
- 论文关键词：Apriori算法 ; 遗传疾病 ; 基因致病位点 ; R语言
- 英文论文关键词：Apriori algorithm ; genetic disease ; gene locus ; R language
- 会议召开时间：2016-11-25
- 会议录名称：广西计算机学会2016年学术年会论文集
- 语种：中文
- 分类号：R596;TP311.13
- 学会代码：GXJH
- 会议名称：广西计算机学会2016年学术年会
- 会议地点：中国广西南宁
- 主办单位：广西计算机学会
- 学会名称：广西计算机学会
- 页数：6
- 文件大小：124k
- 原文格式：D
- 会议级别：地方
摘要
人体的许多表型性状差异及对药物和疾病的易感性等都可能与某些基因位点相关联,或和包含有多个位点的基因相关联。全基因组关联性分析(GWAS)是目前遗传疾病基因致病位点分析的热点。本文应用数据挖掘中Apriori算法,提出一种基于Apriori算法的遗传疾病基因致病位点分析方法。实验结果表明,该算法能有效的发现遗传疾病基因致病位点。
Many phenotypic traits of the human body and their susceptibility to drugs and diseases may be associated with some genetic loci or associated with genes that contain multiple loci. Whole genome association analysis(GWAS) is a hot spot in the analysis of genetic disease loci. In this paper, a Apriori algorithm based on Apriori algorithm is proposed for the analysis of genetic disease loci in genetic diseases. The experimental results show that the algorithm can effectively find the genetic disease gene loci.
Many phenotypic traits of the human body and their susceptibility to drugs and diseases may be associated with some genetic loci or associated with genes that contain multiple loci. Whole genome association analysis(GWAS) is a hot spot in the analysis of genetic disease loci. In this paper, a Apriori algorithm based on Apriori algorithm is proposed for the analysis of genetic disease loci in genetic diseases. The experimental results show that the algorithm can effectively find the genetic disease gene loci.
引文
[1]凃欣,石立松,汪樊,王擎.全基因组关联分析的进展与反思[J].生理科学进展,2010,02:87-94.
[2]罗金玲.基于数据挖掘技术的智能授导系统研究与开发[D].电子科技大学,2012.
[3]jingwhale.http://www.cnblogs.com/jingwhale/p/4618351.html.2015,7,03
[4]学习是持久的.http://blog.csdn.net/learning_da/article/details/51194312.2016.04.19
[5]李余琪,王小玲.基于改进的Apriori算法和遗传算法的数据挖掘模型[J].计算机与数字工程,2007,03:16-18+199.
[6]刘静颐,朱桂玲.R语言在关联规则算法(Apriori)中的实现[J].科学中国人,2016,23:45.
[7]侯亚君.R语言在数据挖掘中的运用[J].晋城职业技术学院学报,2014,02:63-65.
[8]陈荣鑫.R软件的数据挖掘应用[J].重庆工商大学学报(自然科学版),2011,06:602-607.
[9]肖颖为,葛铭.R语言在数据预处理中的开发应用[J].杭州电子科技大学学报,2012,06:165-168.
[10]邹莉玲,赵耐青,秦国友,钱吉,邵敏华.应用关联规则筛选疾病相关的SNP位点及其组合的分析方法[J].中国卫生统计,2009,03:226-228+233.
[11]孙红霞,杜玮南,方福德.人类疾病基因定位常用的统计学分析方法[J].中国医学科学院学报,2001,01:86-88+96.
[12]孙玉琳,刘飞,赵晓航.拷贝数变异的全基因组关联分析[J].生物化学与生物物理进展,2009,08:968-977.
[13]G.Sangeetha,Sornamaheswari.Density Conscious Subspace Clustering for High Dimensional Data using Genetic Algorithms[J].International Journal of Computer Applications,2010,104:.
[10]Philip S.Yu.Review-Mining Association Rules between Sets of Items in Large Databases.[J].ACM SIGMOD Digital Review,1999,1:.
[2]罗金玲.基于数据挖掘技术的智能授导系统研究与开发[D].电子科技大学,2012.
[3]jingwhale.http://www.cnblogs.com/jingwhale/p/4618351.html.2015,7,03
[4]学习是持久的.http://blog.csdn.net/learning_da/article/details/51194312.2016.04.19
[5]李余琪,王小玲.基于改进的Apriori算法和遗传算法的数据挖掘模型[J].计算机与数字工程,2007,03:16-18+199.
[6]刘静颐,朱桂玲.R语言在关联规则算法(Apriori)中的实现[J].科学中国人,2016,23:45.
[7]侯亚君.R语言在数据挖掘中的运用[J].晋城职业技术学院学报,2014,02:63-65.
[8]陈荣鑫.R软件的数据挖掘应用[J].重庆工商大学学报(自然科学版),2011,06:602-607.
[9]肖颖为,葛铭.R语言在数据预处理中的开发应用[J].杭州电子科技大学学报,2012,06:165-168.
[10]邹莉玲,赵耐青,秦国友,钱吉,邵敏华.应用关联规则筛选疾病相关的SNP位点及其组合的分析方法[J].中国卫生统计,2009,03:226-228+233.
[11]孙红霞,杜玮南,方福德.人类疾病基因定位常用的统计学分析方法[J].中国医学科学院学报,2001,01:86-88+96.
[12]孙玉琳,刘飞,赵晓航.拷贝数变异的全基因组关联分析[J].生物化学与生物物理进展,2009,08:968-977.
[13]G.Sangeetha,Sornamaheswari.Density Conscious Subspace Clustering for High Dimensional Data using Genetic Algorithms[J].International Journal of Computer Applications,2010,104:.
[10]Philip S.Yu.Review-Mining Association Rules between Sets of Items in Large Databases.[J].ACM SIGMOD Digital Review,1999,1:.