薛艳锋 李 春 高永强

1(山西大学复杂系统研究所 山西 太原 030006) 2(吕梁学院计算机科学与技术系 山西 吕梁 033000) 3(太原理工大学信息与计算机学院 山西 太原 030024)

0 引 言

基因表达谱数据可被用于基因功能预测、作物优化、疾病相关基因发现和药物筛选等[1-4]，但获取过程繁杂、成本极高，难以开展大规模全基因组表达谱分析。人类基因组中包含约2万到2.5万个基因，利用表达之间的关联性，可确定调节因子和target基因构建基因调控网络[5]。由于大约有1 000个基因拥有80%CMap 数据的信息，所以测量这1 000个基因(命名为landmark基因)的表达谱可以预测剩余基因(命名为target基因)的表达[6]。文献[6]采用线性回归(LR)预测模型，虽然LR具有极高的泛化性能，但无法建模landmark和target基因之间固有的非线性关系[7]。核函数方法已被应用于非线性模型的构建中[8]，然而随着数据维度升高及数据增加，其泛化性能急剧下降。

深度神经网络可以建模非线性关系[9]。Peng等[10]在传统神经网络的基础上增加了输入层与输出层的直接连接建模了两者之间的线性和非线性映射关系。Pao等[11]在输入层与输出层之间增加随机向量可迭代获得最优解。

基于此，本文首先提出一种基于直连输入输出的深度神经网络和迁移学习的基因表达回归预测模型——直连输入输出的深度神经网络基因预测模型(Direct Connect Input and Output-Deep Neural Network Gene predict Model，DCIO-DNN_GM)，直连输入输出的具体含义为在经典神经网络的基础结构上，输入层与输出层之间有连边连接。该模型可同时建模landmark和target基因的线性和非线性映射关系，利用迁移学习和正则化技术在GTEx小数据集上训练模型，并验证和比较DCIO-DNN_GM模型的跨平台预测能力。……