SVM을 이용한 microarray gene expression 자료의 multiclass classification

Abstract

[한글]

본 논문에서는 Multiclass Microarray Gene Expression 자료를 분석하기 위하여 최근 생물공학(Bioinformatics)에서 대두되고 있는 Support Vector machine(SVM)을 소개하고, 또한 모의 실험을 통하여 얻은 Microarray gene expression 자료의 분류분석을 시행하였다.

SVM을 사용하여 얻은 모형의 평가와 평가를 위한 microarray 자료의 생성은 Chen이 제시한 R-Package에 있는 SVM 라이브러리를 이용하였다.

모의 실험자료를 이용하여 평가항목(True Positive, True Negative, False Positive, False Negative, Correct Proportion, Miss Correct Proportion)에 대하여 평가한 결과 분류 기법(c-classification, -classification)에 따라 별 차이가 없었으며, 모든 모형에서 좋은 분류능력을 나타내었다. 또한 각 모형별 편차가 작을수록, 그룹별 차이가 클수록 더 좋은 분류능력을 나타내었다. 즉, 환자군에서의 Cy5의 강도가 높을수록, Cy5의 강도이 차이가 클수록 더 정확한 분류를 해냈고, 그리고 각 그룹에서의 microarray 실험오차(no

ise)가 적을수록 더 정확한 분류를 해냈다.

[영문]

In the thesis, we introduce the Support Vector Machine(SVM) that lately being raised in Bioinformatics and carrying out classification analysis using simulation of multiclass microarray gene expression data for classification method in order to

evaluate the model obtained by SVM. For the microarray simulation data and evaluation of SVM model using SVM-library in R-Package.

In conclusion, the value of each evaluation item(True Positive, True Negative, False Positive, False Negative, Correct Proportion, Miss Correct Proportion) was no significant difference between the classification method(c-classification,

-classification). With the decreasing of standard deviation and with the increasing of log ratio, the value of evaluation item was improved. In other words, with the increasing of intensity of Cy5, the value of evaluation item was improved. And the value of evaluation item became improved as the microarray experiment error(noise) decreased.