微陣列數(shù)據(jù)的聚類算法研究.pdf

1、隨著人類基因組計劃的進展，對于基因的功能和基因組內各基因的研究逐步深入。研究基因在不同時間和條件下的表達情況，是認識基因功能的一個主要途徑。cDNA微陣列技術可以同時測量全基因組的表達情況，是生物學家認識基因的重要工具。微陣列技術產(chǎn)生了大量基因表達數(shù)據(jù)，要從中提取有價值的信息，采用數(shù)據(jù)挖掘的技術是十分必要的。 功能相近的基因其表達模式相似，通過發(fā)現(xiàn)相似的表達模式可以預測未知基因的功能。數(shù)據(jù)挖掘中的聚類算法是按照數(shù)據(jù)的相似性進行劃

2、分，實現(xiàn)物以類聚的思想。采用聚類技術對基因表達數(shù)據(jù)進行處理，可以把表現(xiàn)模式相近的基因聚集到一起，這種劃分有助于專業(yè)人員發(fā)現(xiàn)基因功能和遺傳模式。 目前基因芯片鄰域中的大多數(shù)聚類算法在實際應用中存在著一些不足之處，例如K-均值和自組織映射都需要預先輸入簇的個數(shù)，而在對基因表達譜進行聚類時，簇的個數(shù)通常是未知的，改變這一參數(shù)往往會極大地影響聚類結果；傳統(tǒng)的聚類算法對噪聲數(shù)據(jù)非常敏感，對規(guī)模的可伸縮性差；傳統(tǒng)聚類算法最早是起源自非生物相

3、關的研究鄰域，所以通常的聚類結果并不包含明確的生物學意義。本文針對以上不足，將K最近鄰先吸收思想和已知基因的生物學知識引入了基于密度的聚類算法中，設計并實現(xiàn)了一種新的基于密度的K最近鄰先吸收的聚類算法，在聚類過程中利用已知基因的生物學意義生成最初的簇集。最后將所提出的算法應用于酵母細胞有絲分裂下的基因芯片數(shù)據(jù)，對聚類的結果從簇結構的合理性和生物學上的意義兩方面給出了明確的比較，從對比結果知本文所提出的算法無論從簇結構的合理性還是生物學意