基因表達(dá)數(shù)據(jù)聚類(lèi)分析及其應(yīng)用研究.pdf

1、隨著近代分子生物學(xué)實(shí)驗(yàn)技術(shù)和計(jì)算機(jī)技術(shù)的迅猛發(fā)展，以及人類(lèi)基因組(HGP)的順利完成，標(biāo)志著現(xiàn)代生命科學(xué)研究已經(jīng)進(jìn)入了后基因組時(shí)代，研究者把關(guān)心的焦點(diǎn)由結(jié)構(gòu)基因組學(xué)轉(zhuǎn)向了功能基因組學(xué)?；蛐酒?gene chip，microarray)作為一種新型的高通量的檢測(cè)技術(shù)方法，可以同時(shí)測(cè)量成千上萬(wàn)個(gè)基因的表達(dá)水平，已成為“后基因組時(shí)代”研究基因與基因間相互作用的一個(gè)強(qiáng)有力的工具。 如何對(duì)該技術(shù)產(chǎn)生的海量實(shí)驗(yàn)數(shù)據(jù)進(jìn)行準(zhǔn)確而合理地管理和分

2、析已成為是否能有效應(yīng)用該項(xiàng)技術(shù)的主要問(wèn)題，并決定著當(dāng)前生物信息學(xué)的重要研究?jī)?nèi)容和主要研究方向。然而，就目前來(lái)說(shuō)基因芯片技術(shù)所遇到的挑戰(zhàn)并不在基因表達(dá)芯片本身，而是在于發(fā)展實(shí)驗(yàn)設(shè)計(jì)方法以對(duì)基因表達(dá)數(shù)據(jù)進(jìn)行時(shí)空的全面探索與分析，最大的挑戰(zhàn)則是數(shù)據(jù)分析與挖掘。本課題主要就基因表達(dá)型芯片的數(shù)據(jù)分析，特別是聚類(lèi)分析技術(shù)在微陣列基因表達(dá)數(shù)據(jù)分析和處理這一環(huán)節(jié)展開(kāi)并進(jìn)行研究。 本課題的主要研究?jī)?nèi)容為： 1．采用聚類(lèi)有效性的思想來(lái)確定F

3、CM(Fuzzy C-Means，簡(jiǎn)稱(chēng)FCM)算法中的參數(shù)c。通過(guò)分析目前存在的一些聚類(lèi)有效性函數(shù)的不足，采用Xie-Beni指標(biāo)作為聚類(lèi)有效性函數(shù)，解決了參數(shù)c如何確定的問(wèn)題，給出了一個(gè)根據(jù)聚類(lèi)有效性函數(shù)來(lái)自動(dòng)給出參數(shù)c的算法，在模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)上的應(yīng)用均取得了較好結(jié)果。 2．對(duì)FCM算法中加權(quán)指數(shù)m的取值進(jìn)行了探索性的研究。構(gòu)造了一個(gè)評(píng)價(jià)函數(shù)來(lái)對(duì)m的不同取值所對(duì)應(yīng)的結(jié)果進(jìn)行評(píng)價(jià)并以此來(lái)選取最優(yōu)的m值，通過(guò)實(shí)驗(yàn)驗(yàn)證了其可行性

4、。 3．將遺傳算法與K-均值聚類(lèi)算法相結(jié)合對(duì)微陣列基因表達(dá)數(shù)據(jù)進(jìn)行聚類(lèi)分析。主要從四個(gè)方面對(duì)該混合算法進(jìn)行改進(jìn)。首先，我們使用了把聚類(lèi)中心作為染色體的浮點(diǎn)數(shù)編碼方式，這樣既能使基因表達(dá)數(shù)據(jù)集的編碼過(guò)程得到簡(jiǎn)化，又能減少整個(gè)算法的運(yùn)算量；第二方面，為了保證每一代的進(jìn)化過(guò)程中當(dāng)前最優(yōu)個(gè)體不會(huì)被遺傳操作所破壞，我們?cè)谶M(jìn)行選擇時(shí)采用了最優(yōu)保存策略與比例法相結(jié)合的混合選擇算子；第三方面，在交叉操作中，為了減少無(wú)意義個(gè)體的產(chǎn)生，先對(duì)配對(duì)個(gè)體

5、進(jìn)行了基于最短距離的基因匹配，然后再運(yùn)用算術(shù)交叉來(lái)增強(qiáng)遺傳算法的局部搜索能力；最后，為了提高收斂速度，我們?cè)诿恳淮z傳操作結(jié)束之前對(duì)要進(jìn)入下一代的群體進(jìn)行了優(yōu)化，使得搜索最優(yōu)解的速度明顯加快。最后將該混合算法運(yùn)用于公開(kāi)的白血病基因表達(dá)數(shù)據(jù)和結(jié)腸基因表達(dá)數(shù)據(jù)，取得了較好的實(shí)驗(yàn)結(jié)果。4．設(shè)計(jì)并實(shí)現(xiàn)了GeneCluster芯片數(shù)據(jù)聚類(lèi)分析系統(tǒng)。主要實(shí)現(xiàn)了K-means算法、FCM算法、GKA算法。該系統(tǒng)具有良好的用戶(hù)界面、功能完善、操作簡(jiǎn)單、