简介：动态贝叶斯网络（dynamicbayesiannetwork,DBN）是一种基于时序表达数据构建基因调控网络的重要方法。然而目前的DBN方法因计算时间太长,结构不稳定,准确度低,对有效性有很大影响。根据动态贝叶斯网络的度量可分解性质,将动态贝叶斯网络分为初始网络与转移网络分别进行结构寻优,在寻优时将基于静态贝叶斯网络的最大权重生成树算法与贪婪搜索算法相结合,移植入动态贝叶斯网络中,建立基因调控网络模型。提出了一种从时序数据中构建基因调控网络的方法,克服了贝叶斯网络不能描述循环调控的缺陷,也从规模上简化了网络构建问题。通过与相关实验文献的对照,验证了提出方法的有效性,网络学习时间明显缩短,网络结构更加稳定。

简介：提出一种基于遗传规划（geneticprogramming,GP）和进化策略（evolutionstrategy,ES）的学习方法,命名为遗传规划-进化策略（GPES）,建立更准确的华法林剂量预测模型。纳入247例汉族患者。GP进化复杂特征提取,ES进化模型系数,组成模型,得出预测的华法林维持剂量,与线性回归模型、国际华法林药物基因组学联合会模型,及三种机器学习方法相比较。GPES的均方误差（MSE）（1.68×10^-2）和预测值在真实值±20%范围内的比例（20%-p）（53.33%）表现最优;其平方相关系数（R^2）（69.45%）为次优;GPES在上述3个指标在测试集与训练集中的差值δMSE（0.43×10^-2）和δ20%-p（0.92%）的绝对值最小,δR2（-10.64%）的绝对值为次小。GPES总体表现最优。因此,本研究方法GPES提高了华法林剂量预测模型的趋势相关性、精度、可用性与泛化性。