譜聚類在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用與研究.pdf

1、隨著基因芯片技術(shù)的快速發(fā)展和廣泛應(yīng)用，產(chǎn)生的基因表達(dá)數(shù)據(jù)呈指數(shù)增長。如何分析和處理這些海量的數(shù)據(jù)成為分子生物學(xué)領(lǐng)域一個(gè)新的問題，為此，生物信息學(xué)作為一門新興的學(xué)科快速發(fā)展起來并成為了前沿研究領(lǐng)域?；虮磉_(dá)數(shù)據(jù)反映的是通過基因芯片實(shí)驗(yàn)得到的基因轉(zhuǎn)錄產(chǎn)物mRNA在細(xì)胞中的豐度，通過分析這些基因表達(dá)數(shù)據(jù)，可以獲取基因功能和基因表達(dá)調(diào)控信息。對基因表達(dá)數(shù)據(jù)的分析研究己成為生命科學(xué)、數(shù)學(xué)與計(jì)算機(jī)科學(xué)等學(xué)科非?；钴S的交叉課題之一，也是目前生物信息學(xué)

2、領(lǐng)域研究的熱點(diǎn)之一。
　　 聚類技術(shù)是分析海量數(shù)據(jù)的一種重要手段，通過聚類分析，能夠?qū)⒈磉_(dá)相似的基因劃分到相同的類，從而可以通過已知功能的基因推測同一類中未知功能基因的功能，進(jìn)一步可得到基因表達(dá)的調(diào)控網(wǎng)絡(luò)。
　　 論文著重研究基因表達(dá)數(shù)據(jù)的聚類分析，主要進(jìn)行了以下的研究工作：
　　 ①針對目前常用于基因表達(dá)數(shù)據(jù)的聚類算法中存在對數(shù)據(jù)分布形狀依賴性強(qiáng)、聚類結(jié)果收斂于局部最優(yōu)等缺點(diǎn)，論文引入了譜聚類來對基因表達(dá)數(shù)據(jù)進(jìn)

3、行聚類分析。譜聚類是一種基于數(shù)據(jù)矩陣特征向量的方法，也是一種能夠根據(jù)頂點(diǎn)之間的權(quán)值對圖進(jìn)行劃分的方法，該算法不依賴于數(shù)據(jù)的分布形狀，且收斂于全局最優(yōu)。
　　 ②由于譜聚類無法自動(dòng)確定聚類數(shù)目，需要通過反復(fù)迭代來計(jì)算特征值和特征向量，算法運(yùn)行時(shí)間比較長。因此論文提出了Vp方法，使譜聚類能自動(dòng)確定聚類數(shù)目，這對于分析龐大的基因表達(dá)數(shù)據(jù)是非常必要的。
　　 ③針對基因表達(dá)數(shù)據(jù)維數(shù)高、樣本少的特點(diǎn)，結(jié)合生物領(lǐng)域知識(shí)，論文提出了樣

4、本放大權(quán)重的思想，使聚類結(jié)果更準(zhǔn)確，聚類效果更明顯。
　　 ④針對基因表達(dá)數(shù)據(jù)聚類分析的目的，論文提出了一種計(jì)算聚類正確率ARI的方法，然后以該方法作為聚類效果的外部評價(jià)指標(biāo)，再與經(jīng)典的內(nèi)部評價(jià)指標(biāo)adjust-Fom一起對各算法的聚類結(jié)果進(jìn)行了評價(jià)和分析。
　　 ⑤對上述研究進(jìn)行了模擬實(shí)驗(yàn)。實(shí)驗(yàn)證明：1)譜聚類能對任意分布形狀的數(shù)據(jù)進(jìn)行較好的聚類；2)對于基因表達(dá)數(shù)據(jù)，譜聚類的聚類效果優(yōu)于層次聚類算法和Kmeans算法