基因微陣列數(shù)據(jù)的雙向聚類算法研究.pdf

1、基因芯片是由大量DNA或寡核苷酸探針密集排列所形成的探針陣列?；蛐酒咸结樑c經(jīng)熒光標(biāo)記的目標(biāo)樣品進(jìn)行生物反應(yīng)，利用專用芯片檢測系統(tǒng)并借助于一定的軟件即可得到基因表達(dá)數(shù)據(jù)。這個(gè)技術(shù)應(yīng)用于不同發(fā)展階段，不同人體組織，不同臨床條件以及不同生物體等條件下的基因表達(dá)水平的測量。基因芯片的出現(xiàn)正在給生命科學(xué)研究、疾病診斷、新藥開發(fā)、食品衛(wèi)生監(jiān)督等領(lǐng)域帶來二場革命。 本文的貢獻(xiàn)主要體現(xiàn)在以下幾個(gè)方面： 首先，對(duì)基因數(shù)據(jù)分析中的一種雙

2、向聚類方法—格子模型法進(jìn)行了深入的分析，并對(duì)其進(jìn)行了改進(jìn)。格子模型是一個(gè)混合有二進(jìn)制變量和連續(xù)變量的模型。對(duì)于該模型，傳統(tǒng)的用于連續(xù)變量的優(yōu)化算法不再適用。為此，本文提出了一種新穎的神經(jīng)網(wǎng)絡(luò)方法來解決這種混合有二進(jìn)制變量和連續(xù)變量的優(yōu)化問題，并將該方法應(yīng)用于酵母數(shù)據(jù)分析，實(shí)驗(yàn)結(jié)果表明使用這種方法后雙聚類的精度得到了很大的提高。 其次，本文還對(duì)基因數(shù)據(jù)分析的另一種方法非負(fù)矩陣分解方法進(jìn)行了改進(jìn)。傳統(tǒng)的非負(fù)矩陣分解算法有一定缺陷，其

3、初始值是隨機(jī)設(shè)定的，因此在迭代過程中會(huì)出現(xiàn)微小的抖動(dòng)。為此本文在迭代計(jì)算過程中加入了數(shù)據(jù)平滑處理，并將該方法用于一組白血病微陣列數(shù)據(jù)分析。實(shí)驗(yàn)結(jié)果表明，改進(jìn)過的非負(fù)矩陣分解算法提高了分類的準(zhǔn)確率，同時(shí)這個(gè)方法避免了NMF算法的“零值”問題。 第三，本文介紹了NNMF算法的基本原理，對(duì)其加入了一個(gè)平滑處理，增加了數(shù)據(jù)元素之間的聯(lián)系，同時(shí)這個(gè)方法由于抬高了數(shù)據(jù)，避免了NMF算法中的“零值”問題。本文首次將NNMF算法應(yīng)用于生物信息學(xué)