元基因組序列聚類算法研究.pdf

1、最近五到十年間，隨著高通量測(cè)序技術(shù)的發(fā)展，生物研究領(lǐng)域產(chǎn)生了大量的基因組測(cè)序數(shù)據(jù)。其中很大一部分是對(duì)生物體內(nèi)和自然環(huán)境中的微生物群落取樣并測(cè)序而產(chǎn)生的元基因組數(shù)據(jù)。元基因組數(shù)據(jù)包含了整個(gè)微生物群落的基因組信息，可以用來闡釋人類健康，自然進(jìn)化和生態(tài)構(gòu)成等方面的諸多問題。對(duì)元基因組數(shù)據(jù)的處理與分析正在成為一個(gè)全新的生物信息學(xué)研究領(lǐng)域。
　　由于元基因組數(shù)據(jù)混雜了來自多個(gè)物種的DNA片段數(shù)據(jù)，因此對(duì)這些片段的歸類成為元基因組數(shù)據(jù)分析中最

2、重要的問題之一。傳統(tǒng)的元基因組序列歸類方法大多只能處理已知微生物基因組序列片段的歸類問題，但是絕大多數(shù)的元基因組數(shù)據(jù)包含來自未知微生物的基因組序列片段，因此需要一種有效的無監(jiān)督方法來對(duì)這些數(shù)據(jù)進(jìn)行歸類。
　　本文提出了一種基于無監(jiān)督聚類的元基因組序列歸類方法，命名為MCluster。該方法使用k-mer特征提取方法和一種特征權(quán)重可變的的無監(jiān)督聚類方法，可以有效地將來自不同微生物的DNA序列數(shù)據(jù)區(qū)分開來。與以往的有監(jiān)督方法相比，該方