基因表達(dá)數(shù)據(jù)分析的聚類算法研究.pdf

1、基因芯片技術(shù)推動了生物信息學(xué)的高速發(fā)展,一次基因芯片實(shí)驗可以產(chǎn)生數(shù)以萬計的基因表達(dá)數(shù)據(jù),其中蘊(yùn)含著豐富的能解釋生命現(xiàn)象規(guī)律的信息,對它們進(jìn)行研究是現(xiàn)代生命科學(xué)的一個重要和基本的問題,聚類分析作為數(shù)據(jù)挖掘和模式識別領(lǐng)域的常用方法也被廣泛應(yīng)用于基因表達(dá)數(shù)據(jù)的分析。
　　 基因表達(dá)數(shù)據(jù)通常以一種高維小樣本的矩陣形式出現(xiàn),傳統(tǒng)的聚類方法把矩陣的行(基因)或列(樣本)作為處理對象,也叫單路聚類,這種方式只能找到全局信息,而高維數(shù)據(jù)的特點(diǎn)就

2、是含有大量的局部信息,因此需要能同時對行、列進(jìn)行處理的聚類方法,雙路聚類由此應(yīng)運(yùn)而生。
　　 本文在對多種單路、雙路聚類算法進(jìn)行對比、分析的基礎(chǔ)上,提出一種結(jié)合單路聚類和稀疏奇異值分解的雙路聚類方法,并對其有效性進(jìn)行了定性和定量的驗證,具體工作和主要結(jié)論包括以下幾個方面:
　　 (1)研究并實(shí)現(xiàn)了三種常用的單路聚類方法,在多個真實(shí)的基因表達(dá)數(shù)據(jù)集上的實(shí)驗結(jié)果表明,單路聚類算法雖然種類繁多,但沒有哪個算法能適用于全部數(shù)據(jù),

3、因此可以根據(jù)不同數(shù)據(jù)選擇相對合適的算法,這為后文的雙路聚類方法的研究奠定基礎(chǔ)。
　　 (2)研究了四種雙路聚類算法,其中重點(diǎn)分析和改進(jìn)了基于稀疏奇異值分解(SSVD)的雙路聚類,原始的SSVD方法雖然已經(jīng)具備了同時對矩陣的行和列進(jìn)行處理的能力,但卻不能直接獲得有效的雙路聚類,因此本文提出了結(jié)合單路聚類的SSVD方法,該方法能得到比其他雙路聚類方法更為理想的結(jié)果。
　　 (3)研究并實(shí)現(xiàn)了前人提出的一種穩(wěn)定性驗證方法,進(jìn)一