Auf Genexpression basierende Krebsklassifizierung aus Microarray-Daten

Mit der Microarray-Technologie werden Tausende von Genen zur gleichen Zeit überwacht. In dieser Arbeit wird die Technik der Merkmalsauswahl eingesetzt, um die unterschiedlich exprimierten Gene zu identifizieren, indem eine Untergruppe von Genen ausgewählt wird, die bestplatzierten Gene ausgewählt werden oder die redundanten Gene für ein besseres Klassifizierungsmodell entfernt werden. In dieser Arbeit wird die Effizienz von drei Merkmalsauswahlmethoden, nämlich Einweg-ANOVA, Kruskall-Wallis und T-Test für die Genauswahl auf drei öffentlich zugänglichen Microarray-Datensätzen vorgestellt, gefolgt von der Klassifizierung dieser mit Naive Bayes-, binären SVM- und Multiklassen-SVM-Klassifizierungsalgorithmen. Die Ergebnisse zeigen die Effektivität der Merkmalsauswahlalgorithmen für drei Microarray-Krebsdatensätze, nämlich MLL_Leukämie, Lunge und SRBCT.