面向生物數(shù)據(jù)的關聯(lián)規(guī)則挖掘算法及其應用研究.pdf

1、隨著基因組和蛋白質(zhì)組研究的進展，以及現(xiàn)代生物技術的快速發(fā)展，由高通量技術產(chǎn)生了海量生物數(shù)據(jù)，這為揭開生命奧秘提供了數(shù)據(jù)基礎。生物數(shù)據(jù)種類豐富，高通量，維數(shù)高，具有異構易變的特性，遠遠超出傳統(tǒng)的分析方法的能力，生物數(shù)據(jù)的分析成為當今生物學研究的瓶頸，對其處理、挖掘、分析和理解的要求日益迫切。 目前生物數(shù)據(jù)分析中存在著一些問題，例如，數(shù)據(jù)分析采用的算法模型有越來越復雜的趨勢，被用于數(shù)據(jù)分析的黑盒算法獲得的分析結果難以作出生物解釋等。

2、而生物信息學研究的根本目的就是利用生物數(shù)據(jù)，解釋生命現(xiàn)象，發(fā)掘生命規(guī)律。 關聯(lián)規(guī)則是一種重要的數(shù)據(jù)挖掘技術，利用該技術從生物數(shù)據(jù)中挖掘獲得的模式即具有生物學上的意義(重要性)，又具有數(shù)學上的重要性(可發(fā)現(xiàn)性)，且結構透明，具有良好的可解釋性。本文主要對面向生物數(shù)據(jù)的關聯(lián)規(guī)則挖掘算法及其應用進行了研究，其主要研究內(nèi)容包括： (1)多相關關聯(lián)規(guī)則挖掘算法及其應用研究生物數(shù)據(jù)中蘊含著豐富的內(nèi)涵，僅利用傳統(tǒng)的關聯(lián)規(guī)則挖掘，一些有

3、意義的模式會被丟失而無法獲得，為此，本文提出了一種新形式的關聯(lián)規(guī)則一多相關關聯(lián)規(guī)則，在給出多相關關聯(lián)規(guī)則形式化定義的基礎上，對有用多相關關聯(lián)規(guī)則的挖掘準則進行了研究，并給出了一個挖掘算法，并且利用多相關關聯(lián)規(guī)則對蛋白質(zhì)結構數(shù)據(jù)進行了分析，從中得到了很多有用的規(guī)則，在其它兩個數(shù)據(jù)集上也進行了實驗，得到了一些新穎的知識。 (2)利用定量關聯(lián)規(guī)則分析蛋白質(zhì)結構數(shù)據(jù)的研究1961年Anfinsen提出蛋白質(zhì)分子的一級序列完全決定其空間結

4、構的論斷，對于這個假定，我們需要分析如下幾個問題：不同的氨基酸對不同的蛋白質(zhì)空間結構形成是否具有不同的傾向性?蛋白質(zhì)的氨基酸序列是否是隨機的?序列中是否存在著一些氨基酸共生模式?這些模式是否對不同空間結構的形成具有不同的傾向性?目前開展的大部分研究是基于氨基酸序列預測蛋白質(zhì)各位點的空間結構，主要是定性研究，利用定量方法分析不同氨基酸對形成不同蛋白質(zhì)結構的傾向性的研究卻較少，本文提出利用定量關聯(lián)規(guī)則分析蛋白質(zhì)的氨基酸構成和蛋白質(zhì)結構形成間

5、的關聯(lián)關系，獲得了很多有用的規(guī)則，這些規(guī)則對人工合成蛋白質(zhì)分子具有參考價值。 (3)聚類和關聯(lián)規(guī)則挖掘在基因表達數(shù)據(jù)分析中的應用研究面向生物數(shù)據(jù)的關聯(lián)規(guī)則挖掘算法及其應用研究由于基因表達數(shù)據(jù)具有高維低樣本的特點，直接對基因表達數(shù)據(jù)進行關聯(lián)規(guī)則挖掘，實際上是不可行的。為此，本文將聚類和關聯(lián)規(guī)則挖掘相結合，首先對基因表達數(shù)據(jù)進行聚類分析，得到若干基因簇，實現(xiàn)了分析數(shù)據(jù)的降維，然后對每個基因簇中的表達數(shù)據(jù)進行離散化，將每個基因離散化為

6、7個項目，然后進行關聯(lián)規(guī)則挖掘，得到了大量的關聯(lián)規(guī)則，得到的這些關聯(lián)規(guī)則不僅提供了基因之間的調(diào)控方向，而且還提供了基因之間調(diào)控強度的信息。 (4)從腫瘤基因表達數(shù)據(jù)挖掘分類規(guī)則的研究基于關聯(lián)規(guī)則的分類研究是關聯(lián)規(guī)則挖掘研究的一個熱點，目前這方面也已經(jīng)開展了大量的研究工作。由于腫瘤基因表達數(shù)據(jù)中的樣本具有高維低樣本的特點，所以很難直接應用傳統(tǒng)的關聯(lián)規(guī)則挖掘算法構建分類器，因此本文提出了一種直接從腫瘤基因表達數(shù)據(jù)挖掘分類規(guī)則的方法，