赵发林　张　涛　李　康



基于遗传算法的随机森林模型在特征基因筛选中的应用*

赵发林1张涛2李康3△

【提要】目的探索基于遗传算法的随机森林模型在特征基因筛选中的效果和特点。方法通过本文构建的基于遗传算法的随机森林模型(GARF)对真实基因数据和模拟数据进行特征基因筛选，以筛选后基因进行判别分析，计算ROC曲线下面积AUC值，同时观察GARF方法对模拟实验中预设的差异基因排序结果。结果对真实基因数据和模拟数据的分析结果均显示，采用GARF方法筛选得到的特征基因建立判别模型能获得更好的分类效果，在模拟实验中与随机森林相比能将预设的差异基因排在更靠前的位置。结论GARF方法能够有效地用于基因芯片数据特征基因筛选，在FDR控制上具备潜力，具有研究价值。

随机森林遗传算法特征基因筛选

特征基因筛选是基因组学研究的主要目的之一，不仅要求能够通过筛选到的特征变量对样本进行有效分类，而且要保证筛选得到的特征变量集有较小的假发现率(false discovery rate，FDR)，否则将极大增加生物学验证的工作量，浪费大量资源，甚至无法实现生物学验证。

近年来，随机森林(random forests，RF)被广泛应用于高维数据分析并取得了良好的效果。RF可以在对样本分类的同时给出变量重要性评分(variable importance measures，VIMs)作为特征筛选的依据。但当变量个数非常多时，其中包含的大量对分类无作用的“噪声”变量对分类效果仍会有较大影响，使VIMs不稳定，真正对分类有作用的变量很可能在筛选得到的变量子集中排序靠后，甚至无法被选入[1]。……