2016深圳杯D题 思路

离2016年深圳杯比赛已经过去半年多了，当时我们获得了国家二等奖，楼主对具体思路也记得不大清了。简单说一下当时的思路吧。

题目不再赘述。。。

本题神坑。

第一问，构建人体动态量化模型，完全不会。。。当时去答辩的十几支队都在瞎扯。

本身数据没有给出，本来说好的六组数据，出题人为了简化一下，只给了一组数据，能给出模型的不是在扯我都不信。

假如说，给出了六组数据，那我们可以构建一个贝叶斯网络或者神经网络等等网络模型，具体连接关系需要强大的生物组学知识。所以说根本给不出来，针对某一特定代谢过程还好说。

第二三问。寻找致病通路，我们直接是去寻找致病基因，并根据一个生物学软件找出这个致病基因的代谢过程，我们认为这个代谢通路中就存在致病通路。对于未知患病情况的人进行预测，我们就利用KNN的思想，寻找与样本中最相似的N个样本，利用投票法给出患病类型及程度。

问题的核心寻找致病基因，这种问题明显是没法用拟合来做，样本数量远远小于未知数个数，神经网络、线性拟合等等都是扯淡，主流的方法大都是统计学方法。我们把致病基因的筛选过程看做一个特征选择的过程，特征选择之前要对数据进行预处理，包括归一化、数据清洗等等，最重要的是要进行一个聚类操作，这是因为题目数据给出的分组严重干扰了我们的接下来的特征选择。分别用包裹式和过滤式两种，并进行结果验证。最终的结果验证是通过基于文献挖掘的原理，即我们所筛选出的基因在文献挖掘出的基因中占比。

具体问题的解决是一个漫长的过程。楼主前前后后思考了近一个月，也没有给出合适的思路。毕竟这是一个前沿问题。能解决就奇了怪了。

奉劝各位要参加深圳杯的同学一句：坚持就是胜利！一定要坚持做下去，去参加的人没有想象中的那么厉害。答辩的时候能镇住全场就行了，尽量不要让人家挑出错来。

时间过去太久了，好多细节都忘了，各路大神如果有什么建议，欢迎提出！