基因表達(dá)數(shù)據(jù)聚類分析及其應(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技術(shù)方法，可以同時測量成千上萬個基因的表達(dá)水平，已成為“后基因組時代”研究基因與基因間相互作用的一個強(qiáng)有力的工具。 如何對該技術(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)的主要問題，并決定著當(dāng)前生物信息學(xué)的重要研究內(nèi)容和主要研究方向。然而，就目前來說基因芯片技術(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)方法以對基因表達(dá)數(shù)據(jù)進(jìn)行時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)展開并進(jìn)行研究。 本課題的主要研究內(nèi)容為： 1．采用聚類有效性的思想來確定F

3、CM(Fuzzy C-Means，簡稱FCM)算法中的參數(shù)c。通過分析目前存在的一些聚類有效性函數(shù)的不足，采用Xie-Beni指標(biāo)作為聚類有效性函數(shù)，解決了參數(shù)c如何確定的問題，給出了一個根據(jù)聚類有效性函數(shù)來自動給出參數(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)造了一個評價函數(shù)來對m的不同取值所對應(yīng)的結(jié)果進(jìn)行評價并以此來選取最優(yōu)的m值，通過實(shí)驗(yàn)驗(yàn)證了其可行性

4、。 3．將遺傳算法與K-均值聚類算法相結(jié)合對微陣列基因表達(dá)數(shù)據(jù)進(jìn)行聚類分析。主要從四個方面對該混合算法進(jìn)行改進(jìn)。首先，我們使用了把聚類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)集的編碼過程得到簡化，又能減少整個算法的運(yùn)算量；第二方面，為了保證每一代的進(jìn)化過程中當(dāng)前最優(yōu)個體不會被遺傳操作所破壞，我們在進(jìn)行選擇時采用了最優(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，為了減少無意義個體的產(chǎn)生，先對配對個體

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，我們在每一代遺傳操作結(jié)束之前對要進(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)具有良好的用戶界面、功能完善、操作簡單、