聚類算法分析在基因表達數(shù)據(jù)中的分析應(yīng)用.pdf

1、隨著人類基因組計劃的發(fā)展,衍生出數(shù)以萬計的基因和海量級增長的基因序列數(shù)據(jù),但是數(shù)據(jù)并不等于信息知識,卻是知識信息的來源。如何從大量的基因表達數(shù)據(jù)中利用自動分析工具得到有用的知識是目前主要面臨的問題,所以數(shù)據(jù)的分析方法和工具的開發(fā)越來越受到重視。數(shù)據(jù)挖掘技術(shù)已經(jīng)被廣泛的應(yīng)用到基因表達譜的許多方面,并取得相當(dāng)?shù)某晒Α?shù)據(jù)挖掘就是從大量的實際應(yīng)用數(shù)據(jù)庫中提取有用的信息知識,這些知識具有隱藏性、潛在性、未知性。數(shù)據(jù)挖掘作為一門新型的技術(shù),為生物

2、學(xué)家分析數(shù)據(jù)提供了有效的方法和工具,為基因表達數(shù)據(jù)分析提供了強有力的手段。數(shù)據(jù)挖掘方法和工具包括分類與預(yù)測、聚類分析、關(guān)聯(lián)分析、序列分析及時間分析、孤立點分析等等。
　　聚類分析作為一種有效的數(shù)據(jù)分析工具,已廣泛地應(yīng)用于圖像處理、信息檢索、數(shù)據(jù)挖掘等領(lǐng)域。利用聚類算法來分析基因表達數(shù)據(jù)的一個最主要的原因是基因表達數(shù)據(jù)數(shù)目的龐大,而且在生物學(xué)知識里具有已知功能基因的數(shù)目相對還是很少。聚類分析是指將一組樣本依據(jù)其相互之間的相似程度歸入

3、幾個子類中去,根本思想是確定類群,使同一類內(nèi)的各個體間差異最小,而不同類間的差距最大。
　　本文中介紹了聚類算法的相似性度量準則歐式距離和Pearson相關(guān)系數(shù)兩種參數(shù)以及提出一種比例相似性度量準則。同時介紹了外部確定和內(nèi)部確定兩種聚類有效性評價。本文中的聚類算法選用了層次聚類、K均值聚類、自組織映射聚類三種經(jīng)典算法。層次聚類根據(jù)不同類中的相似度準則分為四種不同的連接聚類,然后討論在兩種相似度下的四種層次聚類的有效性的比較。不同的