利用子空間聚類算法分析基因芯片數(shù)據(jù).pdf

1、隨著現(xiàn)代分子生物學實驗技術和計算機技術的高速發(fā)展，基因芯片(Microarray)作為一種新型的高通量的檢測技術方法，可以同時測量成千上萬個基因的表達水平，已成為“后基因組時代”研究基因與基因間相互作用的一個強有力的工具。通過對個體在不同生長發(fā)育階段或不同生理狀態(tài)下大量基因表達的平行分析，研究相應基因在生物體內的功能，闡明不同層次多基因協(xié)同作用的機理，進而在人類重大疾病如癌癥、心血管疾病的發(fā)病機理、診斷治療、藥物開發(fā)等方面的研究發(fā)揮巨大

2、的作用。因此，對基因芯片技術產(chǎn)生的海量數(shù)據(jù)的分析顯得格外重要。
　　 子空間聚類是實現(xiàn)高維數(shù)據(jù)集聚類的一種有效途徑，它是在高維數(shù)據(jù)空間中對傳統(tǒng)聚類算法的一種擴展，其思想是將搜索局部化在相關維中進行，嘗試在相同數(shù)據(jù)集的不同子空間上發(fā)現(xiàn)聚類。
　　 針對基因表達數(shù)據(jù)的特點，本文在前人的研究基礎上，提出了基于密度和聯(lián)合熵的子空間聚類算法。首先將每個樣本點看作單獨的簇，運用啟發(fā)式的密度連通思想，掃描一遍數(shù)據(jù)集一次性地構造出數(shù)據(jù)集

3、中各維特征上的所有合理的聚類；然后采用自底向上的搜索策略，在簇合并過程中生成所有合理的聚類；并對最后的聚類結果實現(xiàn)可視化，提供了直觀的評價效果。為了提高聚類速度，本文在密集簇的聚類過程中，通過類別標簽的策略來查找高維密集簇可能存在的子空間，以此減少搜索空間和時間。
　　 在算法的實驗部分，本文在三個真實數(shù)據(jù)集威斯康星州乳腺癌數(shù)據(jù)集，鳶尾科植物數(shù)據(jù)集和酵母細胞的基因表達數(shù)據(jù)集上進行實驗，與一些存在的子空間聚類算法進行比較，以驗證算

4、法的性能和速度。其中，在WBCD數(shù)據(jù)集上，本文算法得到的結果都沒有錯分樣本，而IBUSCA算法的實驗結果在其中一個簇上出現(xiàn)了3個錯分樣本(125個惡性樣本,3個良性樣本)。在噪音數(shù)據(jù)集上，本文算法完整的挖掘出包含兩個簇的子空間({1,7,8},{2,3,5,6,9})，而CLIQUE算法卻漏掉了第2個簇中的屬性。在算法效率上，本文與CLIQUE算法進行了比較，在樣本數(shù)目、屬性維數(shù)、有效簇最高子空間維度三個可伸縮性能上，時間都被大大的減低