時(shí)序基因表達(dá)數(shù)據(jù)的建模分析及應(yīng)用.pdf

1、隨著DNA芯片技術(shù)的廣泛應(yīng)用，基因表達(dá)數(shù)據(jù)分析已成為生命科學(xué)的研究熱點(diǎn)。DNA微陣列技術(shù)是一種研究細(xì)胞中基因表達(dá)模式的非常有效的技術(shù)。這種技術(shù)而臨的主要挑戰(zhàn)是如何分析由此產(chǎn)生的大量基因表達(dá)數(shù)據(jù)。最近，一種新的基因表達(dá)數(shù)據(jù)--時(shí)序基因表達(dá)數(shù)據(jù)受到了越來越多的重視。時(shí)序基因表達(dá)數(shù)據(jù)根據(jù)細(xì)胞循環(huán)過程，在不同時(shí)間點(diǎn)對各基因采集相關(guān)數(shù)據(jù)。目前，雖然已有多種算法可以對時(shí)序基因表達(dá)數(shù)據(jù)進(jìn)行聚類分析(如k均值聚類方法、層次聚類方法，基于統(tǒng)計(jì)模型的聚類方

2、法等)，但這些方法通常把時(shí)序基因表達(dá)數(shù)據(jù)看作是普通的多維空間向量，數(shù)據(jù)中時(shí)間上的自關(guān)聯(lián)信息完全被忽視，不能有效影響到聚類的最終結(jié)果。 本文研究目的是為了探索新的時(shí)序基因表達(dá)數(shù)據(jù)聚類算法，并提出了一組基于自回歸模型的動(dòng)態(tài)聚類算法。文中網(wǎng)顧了當(dāng)前主要的聚類分析技術(shù)以及評價(jià)聚類效果的評價(jià)算法，簡要介紹了時(shí)序基因表達(dá)數(shù)據(jù)。本論文重點(diǎn)是：(一)建立了一種改進(jìn)的基于自回歸模型和貝葉斯后驗(yàn)概率的動(dòng)態(tài)聚類分析算法，闡述了應(yīng)用該算法進(jìn)行時(shí)序基因表

3、達(dá)數(shù)據(jù)聚類分析的原理和方法；(二)建立了一種基于自回歸模型的模糊動(dòng)態(tài)聚類分析算法，闡述了應(yīng)用該算法進(jìn)行時(shí)序基因表達(dá)數(shù)據(jù)聚類分析的原理和方法。針對原始動(dòng)態(tài)聚類分析中儀利用類條件概率密度(也稱似然度)的問題，根據(jù)貝葉斯理論，提出了改進(jìn)的基于貝葉斯后驗(yàn)概率的聚類算法。同時(shí)結(jié)合模糊理論，提出了模糊動(dòng)態(tài)聚類分析算法，利用模糊隸屬度來調(diào)節(jié)自回歸模型的動(dòng)態(tài)預(yù)測過程，克服了原始聚類算法中自回歸模型中自回歸階數(shù)p=1的局限性。本文最后還利用回歸技術(shù)對時(shí)序