基于融合特征与GA-SVM算法的脑疾病基因预测

来源：计算机工程与应用杂志2023年第5期北京时间：

作者：谭卓昆, 罗龙飞, 王顺芳

单位：云南大学 信息学院，昆明 650500

摘要：单一生物数据网络提供的特征信息是十分受限的，针对这一问题，提出了一种基于半监督自编码器的多网络特征融合方法，丰富特征信息。此外，为解决在人为设置模型的超参数时，易出现模型性能较低、陷入局部最优等问题，进一步提出了利用遗传算法优化支持向量机（GA-SVM算法）模型的方法，提高脑部疾病基因的预测性能。构建来自不同数据源的相似性数据网络，利用重启随机游走算法从四个数据网络中提取特征，通过半监督自编码器进行处理及融合，在十折交叉验证的策略下使用GA-SVM算法模型预测脑部疾病基因，并与其他算法进行比较。实验结果表明，在PD数据集上的AUC和AUPR值分别为0.805、0.792，而在MDD数据集上的AUC和AUPR值分别为0.825、0.823，均优于已有的预测模型，有效证明了该方法能够提高脑部疾病基因的预测效果。

关键词：GA-SVM算法,多网络融合,半监督自编码器,脑部疾病基因,十折交叉验证