微陣列數(shù)據(jù)的聚類算法研究.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論