基因表達數(shù)據(jù)的缺失值估計研究.pdf

1、DNA微陣列技術是生物芯片技術之一，它發(fā)展成熟且應用廣泛，使得人們可以同時對大量基因進行檢測，由此獲得基因在不同實驗條件下的表達水平。然而，事實上，現(xiàn)有的公共基因表達數(shù)據(jù)庫中的基因表達數(shù)據(jù)均存在不同程度的缺失，這對后續(xù)分析造成嚴重不好的影響。簡單剔除含缺失值的整個基因勢必造成大量信息的丟失，周期長、代價高的重復試驗也不可取。
　　本文從以下幾個方面開展了工作，內(nèi)容如下：
　　首先，從數(shù)據(jù)集的總體結構角度出發(fā)研究貝葉斯主成分分

2、析法，它包括主成分分析、貝葉斯估計及迭代算法，通過缺失數(shù)據(jù)和模型參數(shù)之間不斷的相互更新，最終達到收斂，得到缺失值的估計值。
　　其次，從數(shù)據(jù)集的局部結構角度出發(fā)，依據(jù)相似基因共同表達原則，研究目前廣泛應用的最近鄰法及局部最小二乘法。但是這兩種算法存在相似的缺陷，即缺失率較大的情況下估計精度大大降低。本文對這兩種方法進行了改進，在缺失率較大的情況下，預填充符合條件的基因，擴大備選基因的范圍，并按缺失率大小順序估計。實驗表明，算法改進

3、效果顯著。
　　再次，從生物知識角度出發(fā)研究乙酰化模式回歸法。依據(jù)是組蛋白乙酰化水平可能會改變?nèi)旧|(zhì)的折疊特性并為轉(zhuǎn)錄因子提供結合面，造成轉(zhuǎn)錄因子的活性很大程度上由組蛋白乙?；谌旧|(zhì)中的狀態(tài)來調(diào)控。將組蛋白乙?；瘮?shù)據(jù)與基因表達譜數(shù)據(jù)相結合來選取鄰近基因，進而估計缺失值。
　　最后，從統(tǒng)計學方面及基因表達數(shù)據(jù)的后續(xù)分析方面，利用多種指標對以上算法進行評價。其中，本文重點且全面的對填充數(shù)據(jù)進行層次聚類，通過相應指標來衡量算法性