基因表達(dá)數(shù)據(jù)聚類分析.pdf

1、隨著微陣列技術(shù)的廣泛應(yīng)用，越來越多的基因表達(dá)數(shù)據(jù)被獲取，如何從海量的數(shù)據(jù)中提取有生物學(xué)意義的信息，是目前生物信息學(xué)的一個重點研究方向。 功能相近的基因其表達(dá)模式相似，通過對相似表達(dá)模式的發(fā)現(xiàn)可推測未知基因的功能。聚類算法是一種對無監(jiān)督數(shù)據(jù)根據(jù)其相似性進(jìn)行劃分的數(shù)據(jù)挖掘方法，它能把相似的數(shù)據(jù)歸為一類；在用聚類算法對基因表達(dá)數(shù)據(jù)進(jìn)行處理時，它可將表達(dá)模式相近的基因聚為一類，從而進(jìn)一步推測基因的功能和發(fā)現(xiàn)基因間的相互關(guān)系。 但

2、是，聚類算法本身是一種主觀性非常強(qiáng)的算法。選擇不同的聚類算法，設(shè)定不同的起始點或簇數(shù)，都會導(dǎo)致不同的聚類結(jié)果。這導(dǎo)致對基因表達(dá)數(shù)據(jù)進(jìn)行處理時，得到的結(jié)果也具有很大的主觀性。目前，基因表達(dá)數(shù)據(jù)聚類分析的關(guān)鍵是如何有效的使用現(xiàn)有的聚類方法，降低其分析過程的主觀性，從而對基因表達(dá)數(shù)據(jù)進(jìn)行客觀地劃分。 針對基因表達(dá)數(shù)據(jù)聚類分析相關(guān)問題，本文主要做了如下工作： (1)原始基因表達(dá)數(shù)據(jù)中經(jīng)常會因為各種原因存在大量的缺失值，這些缺失值

3、影響了聚類的結(jié)果。本文采用廣義回歸神經(jīng)網(wǎng)絡(luò)的方法對這些缺失值進(jìn)行填補。 (2)采用多種聚類方法對基因表達(dá)數(shù)據(jù)進(jìn)行分析；介紹一些聚類前沿算法；對聚類結(jié)果與數(shù)據(jù)空間分布的關(guān)系進(jìn)行探討。 (3)不同數(shù)據(jù)空間分布的基因表達(dá)數(shù)據(jù)應(yīng)該采用不同的聚類算法，然而基因表達(dá)數(shù)據(jù)是高維的，無法直接判斷其空間分布。本文將聚類結(jié)果的穩(wěn)定性作為一個評估參數(shù)，提出基于穩(wěn)定性的聚類算法選擇方法。 (4)針對同一組數(shù)據(jù)，采用同一種聚類算法，每次得