基于統(tǒng)計分析的微陣列數(shù)據(jù)挖掘技術(shù).pdf

1、微陣列技術(shù)已經(jīng)廣泛地應(yīng)用于生物學(xué)和醫(yī)學(xué)等領(lǐng)域,它已經(jīng)成為生物學(xué)研究中一種重要的實驗方法。微陣列的出現(xiàn)使得我們能夠在基因組范圍內(nèi)同時研究大量基因的表達差異。一個典型的基因表達數(shù)據(jù)中含有數(shù)千或甚至數(shù)萬基因在幾個或幾十個不同條件下的表達豐度值。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模式，對基因和樣本進行分類研究和解釋。本文主要采用三種基于統(tǒng)計學(xué)的方法來對微陣列數(shù)據(jù)進行分析。
　　聚類分析是一種對數(shù)

2、據(jù)進行分類的基本的統(tǒng)計方法。聚類得到的分組，一般是組內(nèi)各成員在數(shù)學(xué)特征上彼此相似，但與其它組中的成員相似性較小。目前對基因的聚類分析的應(yīng)用很多，但很少對微陣列數(shù)據(jù)聚類結(jié)果的有效性進行評估。采用不同的聚類方法，得到的結(jié)果可能相差很大，因此，很有必要對聚類結(jié)果進行評估，以選擇一個比較合適的聚類方法。本文細(xì)致地研究了不同的基因距離度量和不同的聚類有效性評估方法，結(jié)果表明，相關(guān)系數(shù)能夠很好地刻畫出基因表達譜之間的相似性，而各種不同的聚類有效性評

3、估方法均可對聚類研究進行指導(dǎo)。
　　主成分分析(PCA)往往用于多元數(shù)據(jù)的降維，以利于后續(xù)的分析任務(wù)或降低分析代價。PCA已經(jīng)成為一種有效的微陣列數(shù)據(jù)分析方法。一個典型的微陣列數(shù)據(jù)，很難直接比較全部基因表達譜的差異，對大批量基因的分類也很難實現(xiàn)。本文采用一種基于主成分空間得分的基因選擇方法。把微陣列數(shù)據(jù)投影到主成分空間后，不僅能夠?qū)x取的幾個主成分給予合理的生物學(xué)解釋，還有助于發(fā)現(xiàn)有意義的基因表達模式及相關(guān)的基因，這有助于基因周期

4、性表達研究和基因調(diào)控網(wǎng)絡(luò)研究。特別地，本文推薦首先將基因表達譜進行分塊，然后對各塊進行PCA分析，這樣可以防止某些特殊的基因表達模式被忽略掉,并且有助于找出相關(guān)的基因以便進一步地研究。
　　與PCA不同的是,獨立成分分析(ICA)對數(shù)據(jù)的分解，使得各成分之間相互盡可能地統(tǒng)計獨立，主要用于盲源分析(BSS)。本文采用線性ICA分析微陣列數(shù)據(jù)，提取出若干表達模式,它們分別代表著影響基因表達的某一潛變量。這些提取出來的模式與用PCA提取