The pathway information of a given microarray gene expression data can be collected from the available public databases. Inferring the activity of a pathway is a crucial task in functional genomics. In general, the set of genes that are associated with a given pathway are equally considered for measuring goodness. But the contribution of each gene should be quantified differently. In the current study, we have quantified the degrees of relevance of different genes participating in a pathway by optimizing different goodness measures of pathway activity. Two popular goodness measures, namely t-score and z-score are modified to measure the goodness of the weighted gene vectors. Moreover, another goodness measure based on the protein-protein interaction scores of pairs of genes participated in a pathway is utilized as another objective function. All these measures are designed to handle the weighted importance of individual genes. The search capability of a multiobjective based particle swarm optimization (PSO) is utilized for searching the appropriate relevance vectors for different genes. The proposed approach is applied to five real-life gene expression datasets, and the performance is compared with eight existing feature selection methods. The comparative results demonstrate the superiority of the proposed particle swarm optimization based technique. The efficacy of the performance of the proposed method is validated by using a statistical significance test, and further, a biological significant test is done to justify the biological relevance of the extracted pathway-based gene markers.

可以从可用的公共数据库中收集给定微阵列基因表达数据的途径信息。推断途径的活性是功能基因组学中的关键任务。一般而言，与给定途径相关的一组基因被平等地考虑用于衡量优良性。但是每个基因的贡献应该以不同的方式量化。在当前的研究中，我们通过优化途径活性的不同优度指标，量化了参与途径的不同基因的相关程度。修改了两个流行的善意度量，即t分数和z分数，以测量加权基因载体的善良。而且，基于参与途径的基因对的蛋白质-蛋白质相互作用得分的另一种优良度度量被用作另一目标功能。所有这些措施旨在处理单个基因的重要性。基于多目标粒子群优化（PSO）的搜索功能可用于搜索不同基因的适当相关性向量。将该方法应用于五个现实生活中的基因表达数据集，并将其性能与八个现有特征选择方法进行了比较。比较结果证明了所提出的基于粒子群优化技术的优越性。通过使用统计显着性检验验证了所提出方法的有效性，并且进一步进行了生物学显着性检验以证明提取的基于通路的基因标记物的生物学相关性。基于多目标粒子群优化（PSO）的搜索功能可用于搜索不同基因的适当相关性向量。将该方法应用于五个现实生活中的基因表达数据集，并将其性能与八个现有特征选择方法进行了比较。比较结果证明了所提出的基于粒子群优化技术的优越性。通过使用统计显着性检验验证了所提出方法的有效性，并且进一步进行了生物学显着性检验以证明提取的基于通路的基因标记物的生物学相关性。基于多目标粒子群优化（PSO）的搜索功能可用于搜索不同基因的适当相关性向量。将该方法应用于五个现实生活中的基因表达数据集，并将其性能与八个现有特征选择方法进行了比较。比较结果证明了所提出的基于粒子群优化技术的优越性。通过使用统计显着性检验验证了所提出方法的有效性，并且进一步进行了生物学显着性检验以证明提取的基于通路的基因标记物的生物学相关性。将该方法应用于五个现实生活中的基因表达数据集，并将其性能与八个现有特征选择方法进行了比较。比较结果证明了所提出的基于粒子群优化技术的优越性。通过使用统计显着性检验验证了所提出方法的有效性，并且进一步进行了生物学显着性检验以证明提取的基于通路的基因标记物的生物学相关性。将该方法应用于五个现实生活中的基因表达数据集，并将其性能与八种现有特征选择方法进行了比较。比较结果证明了所提出的基于粒子群优化技术的优越性。通过使用统计显着性检验验证了所提出方法的有效性，并且进一步进行了生物学显着性检验以证明提取的基于通路的基因标记物的生物学相关性。