基因表達(dá)數(shù)據(jù)的雙聚類分析方法研究.pdf

1、隨著生物科學(xué)技術(shù)和生物信息學(xué)的發(fā)展，DNA微陣列實(shí)驗(yàn)已成為目前基因表達(dá)分析研究中最重要的工具之一。通過DNA微陣列實(shí)驗(yàn)，成千上萬個(gè)基因的表達(dá)水平可以同時(shí)檢測，產(chǎn)生了高通量的基因表達(dá)數(shù)據(jù)，從而為基因表達(dá)數(shù)據(jù)分析提供了數(shù)據(jù)基礎(chǔ)。怎樣對這些海量的基因表達(dá)數(shù)據(jù)進(jìn)行分析并發(fā)掘其中隱藏的信息，是當(dāng)今生物信息學(xué)的一個(gè)研究熱點(diǎn)。
　　雙聚類方法是基因表達(dá)數(shù)據(jù)分析中一種新興且強(qiáng)大的無監(jiān)督學(xué)習(xí)方法，它解決了傳統(tǒng)聚類方法只能在基因表達(dá)數(shù)據(jù)集的基因或條件

2、方向上進(jìn)行聚類的問題，克服了其不能發(fā)掘數(shù)據(jù)中局部信息的缺陷。然而，如何選擇合適的相似性度量標(biāo)準(zhǔn)對雙聚類進(jìn)行評價(jià)，并應(yīng)用恰當(dāng)?shù)挠行惴▉磉M(jìn)行搜索成為了亟需考慮的問題。
　　基于對目前基因表達(dá)數(shù)據(jù)雙聚類方法研究現(xiàn)狀的歸納總結(jié)，本文主要從以下方面來對其展開研究：（1）基因表達(dá)雙聚類模型和得分模式；（2）基因表達(dá)雙聚類采用的有效算法。針對相應(yīng)的問題分別提出相應(yīng)的改進(jìn)思路，主要有以下工作和成果。
　　1.分析并總結(jié)了目前基因表達(dá)數(shù)據(jù)雙

3、聚類方法研究中的主要問題和現(xiàn)有方法的優(yōu)缺點(diǎn)。
　　2.基于CPB算法提出在數(shù)據(jù)集全局范圍內(nèi)檢測高相關(guān)雙聚類結(jié)果的算法——改進(jìn)的相關(guān)雙聚類算法ICBA，該算法首先隨機(jī)生成Seed基因集來初始化候選雙聚類，然后分別用皮爾遜相關(guān)系數(shù)和平均絕對誤差對基因集和條件集交替優(yōu)化。最后，通過計(jì)算雙聚類之間的重疊度來過濾結(jié)果。
　　3.通過對MIB算法的改進(jìn)，提出一種用互信息度量基因表達(dá)譜之間相似性的雙聚類方法——BWMI。該方法采用核密度估

4、計(jì)法來計(jì)算表達(dá)譜之間的互信息，基于互信息選擇一組 seed基因來初始化候選雙聚類。之后采用貪婪的方法對候選雙聚類進(jìn)行優(yōu)化，其中采用基因表達(dá)譜之間的互信息來作為基因間的相似性度量標(biāo)準(zhǔn)對基因集進(jìn)行優(yōu)化。而對條件集的優(yōu)化應(yīng)用另一種度量標(biāo)準(zhǔn)——平均絕對誤差，最后得到同時(shí)包含線性關(guān)系和非線性關(guān)系的雙聚類結(jié)果。
　　4.將所提出的 ICBA算法在酵母菌代謝周期表達(dá)數(shù)據(jù)集與擬南芥細(xì)胞周期表達(dá)數(shù)據(jù)集上，將BWMI算法在酵母菌代謝周期表達(dá)數(shù)據(jù)集與人