基于聚類算法的基因微陣列數(shù)據(jù)分析.pdf

1、微陣列技術(shù)，使人們可以同時(shí)觀測(cè)成千上萬個(gè)基因的表達(dá)水平，對(duì)其數(shù)據(jù)的分析已成為生物信息學(xué)研究的焦點(diǎn)。目前，各種不同的數(shù)據(jù)挖掘方法被應(yīng)用于微陣列數(shù)據(jù)的分析研究，以揭示潛在的基因表達(dá)模式，對(duì)基因和樣本進(jìn)行分類研究和解釋。聚類分析能將功能相關(guān)的基因按照表達(dá)譜的相似程度歸納成共同表達(dá)類別，有助于對(duì)基因功能、基因調(diào)控、細(xì)胞過程及細(xì)胞亞型等進(jìn)行綜合研究，是目前基因表達(dá)數(shù)據(jù)分析的主要技術(shù)之一。 由于微陣列基因表達(dá)數(shù)據(jù)具有維數(shù)高、樣本小、非線性的

2、特點(diǎn)，本文從基因和樣本兩個(gè)方面對(duì)其進(jìn)行了分析，包括對(duì)基因功能的聚類分析以及腫瘤分型、分類的研究。取得的主要研究成果如下： 1.基因表達(dá)的改變往往伴隨著基因功能的改變，通過聚類分析基因表達(dá)譜，可以找到協(xié)同表達(dá)基因及其規(guī)律，同時(shí)發(fā)現(xiàn)未知功能的基因。本文從基因變化的趨勢(shì)出發(fā)，構(gòu)造了新的模糊相似關(guān)系矩陣，提出了改進(jìn)的基于模糊相似關(guān)系的聚類算法，并以此算法計(jì)算模糊C均值(FuzzyCMeans，F(xiàn)CM)的初始聚類中心來對(duì)基因表達(dá)譜進(jìn)行聚類

3、分析，實(shí)驗(yàn)結(jié)果表明該算法不僅克服了FCM算法對(duì)初值敏感的缺點(diǎn)，而且能夠發(fā)現(xiàn)一些表達(dá)模式變化趨勢(shì)相似的共調(diào)控基因。 2.對(duì)樣本聚類可以發(fā)現(xiàn)未知的疾病亞型。由于在實(shí)驗(yàn)過程中，會(huì)引入大量的噪聲，因此在進(jìn)行聚類分析前需要先對(duì)基因表達(dá)譜數(shù)據(jù)進(jìn)行降噪處理。本文是在小波去噪的基礎(chǔ)上，將改進(jìn)的FCM算法模型用于白血病基因表達(dá)譜樣本分型。聚類結(jié)果表明：該方法能得到高準(zhǔn)確度的樣本分型結(jié)果。 3.由于基因表達(dá)數(shù)據(jù)維數(shù)高、樣本少，使得聚類效率較