Support Vector Machine을 이용한 microarray gene expression data의 분류

Abstract

[한글]

본 논문에서는 microarray 자료에서 SVM(Support Vector Machine) 기법을 적용한 이원분류기법을 소개하고, 또한 모의실험을 통하여 얻은 microarray 자료를 이용하여 각 커널함수(kernel-function)에 따른 SVM에 대하여 평가하였다. 본 논문의 주 관심인 이원 분류기로서 SVM 성능을 평가하기 위해 microarray 자료를 이용하였는데, 이 microarray 자료는 통계프로그램(S-PLUS)을 이용하여 생성하였다. 또한 SVM 이원 분류기의 성능을 평가하기 위해서 Chen이 제시한 R-Package에 있는 SVM 라이브러리를 이용하였다.

결론적으로, 로그비가 높을수록 각각의 평가항목들(민감도, 특이도, 양성예측도, 음성예측도, 정분류율, 오분류율)이 더 좋게 나타났는데, 이것은 microarray 실험에서 Cy5의 강도가 높게 나타날수록 분류를 더욱 정확하게 한다는 것을 말하는 것이다. 그러나 커널함수와 분류방법에 따라서는 별 차이가 없다는 것을 알 수 있다. 또한, 표준편차가 높을수록 각각의 평가항목들이 더 낮게 나타났는데, 이것은 microarray 실험에서 오차가 높게 나타날수록 분류율이 더 낮아진다는 사실을 말하는 것이다.

--------------------

핵심되는 말 : Support Vector Machine, Microarry, Kernel-function, SVM classifier Microarray Gene Expression Data Classification Using Support Vector Machine

[영문]

In the thesis, we introduce the Support Vector Machine(SVM) clas- sification from microarray data and use simulation of microarry data for kernel-function in order to evaluate SVM. The point of this thesis is to evaluate by SVM classifier using microarray data which is generated by adopting S-PLUS and R-Package.

In conclusion, the simulation result has the following result.

First, the increase of log ratio(Cy5/Cy3), the value of each evaluation item (sensitivity, specificity, Positive Predicted Value, Negative Predicted Value, Correct Proportion, Miss Correct Proportion) was improved. The intensity of Cy5 appeared high in microarray experiment.

Second, classification was more accurate but, there was no signific- ant difference between the kernel-function and classification method. With the increase of standard deviation, the value of each evaluation item was decreased. And the classification became poorer as the noise in microarray experiment increased.