基因表達數(shù)據(jù)聚類算法研究.pdf

1、目前，大量基因表達數(shù)據(jù)由基因芯片實驗產(chǎn)生，其中蘊含著豐富的能解釋生命現(xiàn)象規(guī)律的信息，對這些基因表達數(shù)據(jù)分析對于理解遺傳信息怎么變?yōu)楣δ芑虍a(chǎn)物非常有用。聚類算法作為一種廣泛使用的重要分析方法，用于發(fā)現(xiàn)這些基因表達數(shù)據(jù)背后隱藏的生物信息。
　　 聚類算法基本原理是根據(jù)相似性度量將多元變量分為多個類。傳統(tǒng)的基因聚類算法是分別對基因或條件進行聚類，也稱單路聚類。這種聚類算法對基因聚類時是以全部條件作為特征來計算基因間的相似性，因此得到

2、的結(jié)果只能包含全局信息。但是像基因這種高維數(shù)據(jù)含有大量的局部信息，為了捕獲到基因表達數(shù)據(jù)中存在的局部信息，近年來出現(xiàn)一種能同時對基因和條件進行聚類的雙聚類算法。盡管目前對雙聚類算法有很多的研究，但是現(xiàn)有的許多雙聚類算法在識別數(shù)據(jù)中含有的不同相關(guān)性類型的雙聚簇（在條件子集下相關(guān)的基因子集）以及捕獲數(shù)據(jù)矩陣中重疊層次結(jié)構(gòu)的雙聚簇方面存在限制。本文對幾種常用的單、雙聚類算法進行對比、分析的基礎(chǔ)上，提出一種結(jié)合單聚類算法的雙聚類方法。用本文算法

3、和一些常用的雙聚類算法對幾種基因表達數(shù)據(jù)進行聚類分析，實驗結(jié)果表明本文算在各項指標上都有較好的性能，與常用的幾種雙聚類算法相比，能夠挖掘出更多更高生物學價值的基因。
　　 本文主要創(chuàng)新點包括以下幾個方面:(1)通過有損數(shù)據(jù)編碼和壓縮原理對基因進行聚類，此算法根據(jù)聚類后使基因的總體編碼長度最小原則對基因進行聚類。該算法的最大優(yōu)點是可以自動確定聚類數(shù)。(2)在分析雙聚類領(lǐng)域當前常用的幾種重要算法優(yōu)缺點的基礎(chǔ)上提出一種結(jié)合有損數(shù)據(jù)壓縮