生物与图像领域的研究进展：基因分析与掌纹特征提取

### 生物与图像领域的研究进展：基因分析与掌纹特征提取 在当今的科研领域，生物信息学和图像处理技术都取得了显著的进展。本文将介绍两项重要的研究成果，一是利用集成统计测试方法进行疾病相关基因表达分析，二是基于改进脉冲耦合神经网络的掌纹特征提取新方法。 #### 疾病相关基因表达分析 随着高通量实验技术的发展，我们能够全面分析健康和疾病状态下的生物数据。然而，大量的数据也给发现特定生物条件下的“特征”分子带来了巨大挑战。目前的统计方法只有在假设匹配的情况下才有效，因此，研究人员提出了一种集成统计方法来推断重要分子。 ##### 研究背景 发现重要分子在疾病的治疗、检测和预防中起着至关重要的作用。组学技术的进步使得对基因、RNA、蛋白质和代谢物的系统分析成为可能，但同时也产生了海量数据，数据的分析成为了科学研究的瓶颈，尤其是在信号分子发现方面。近年来，各种强大的数据挖掘方法被用于识别、优先排序和分类不同组学水平的信号分子，但大多数方法在小样本群体中进行，可能会导致潜在的假信号分子发现。 ##### 研究方法 1. **数据集准备**：从GEO数据库获取基因表达数据，访问ID为GSE45114，包含来自肝癌（HCC）、癌旁肝和正常肝三种组织的mRNA转录组。该微阵列有49个样本，经过预处理后，最终使用15,857个基因进行分析。 2. **统计测试**：选择了四种统计测试方法，包括参数测试（T检验）、非参数测试（K - S检验）和两种基于秩的测试（BM检验和BWS检验）来分析基因表达数据。 3. **FDR控制**：为了克服多重测试中的假阳性问题，采用了错误发现率（FDR）控制方法，将所需的假阳性比例设置为0.05。 ##### 研究结果 四种统计测试方法在FDR控制后发现的显著基因数量差异较小。T检验发现4812个显著基因，K - S检验发现5114个，BM检验发现5494个，BWS检验发现5230个。平均约23.6%（30.4% - 34.7%）的原始基因可被推断为显著基因，且过表达和低表达基因几乎各占一半。 为了获得更可靠的目标基因，研究人员采用了投票框架。只有被所有统计方法都检测为显著的基因才被视为最终的显著基因。最终，从原始基因集中选择了1913个过表达和2122个低表达基因，这大大降低了生物学家选择用于实验验证的基因的复杂性。 |测试方法|过表达基因数量|低表达基因数量|显著基因数量| | ---- | ---- | ---- | ---- | |T检验|2322|2490|4812| |K - S检验|2463|2651|5114| |BM检验|2565|2839|5494| |BWS检验|2665|2665|5230| #### 基于改进脉冲耦合神经网络的掌纹特征提取新方法 在掌纹识别领域，现有的大多数方法虽然能够实现对象的平移、旋转和缩放不变性，但无法消除明亮背景和不均匀光照对特征质量的影响。为了克服这些问题，研究人员提出了一种基于改进脉冲耦合神经网络（M - PCNN）的掌纹特征提取方法。 ##### 研究背景 多年来，掌纹验证技术不断发展，出现了多种识别算法。但这些系统主要依赖于分割步骤，而新的模式识别趋势更注重无需分割的图像理解。PCNN源于对猫视觉皮层同步振荡现象的研究，已广泛应用于图像处理和识别领域。 ##### 研究方法 1. **图像分解**：使用M - PCNN将掌纹图像分解为一系列二值图像。 2. **特征提取**：计算每个二值图像的信息熵，并将其作为特征。 3. **分类识别**：使用基于支持向量机（SVM）的分类器进行识别和分类。 ##### 研究结果 理论和实验结果表明，该方法克服了标准PCNN模型参数过多的缺点，并且在方向、位置和光照条件变化方面比其他基于子空间的方法更具鲁棒性。 综上所述，这两项研究分别在生