基因表达数据聚类分析算法与研究和应用.pdf

中文摘要 随着荩闲芯片技术的广泛麻用，，奇生了海龟的肇冈表达数据。如何分析和处 理这些数据，从中提取有用的生物学或医学信息，是基因：签片技术应用的关键和 难点，其研究已成为后基因组时代的热点之一。聚类分析能将功能相关的基因按 表达谱的相似程度归纳成共同表达类别，有助于对基因功能、基因调控、细胞过 程及细胞业型等进行综合研究，是目前基因表达数据分析的主要技术之一。本文 针对摹因表达数据聚类分析中聚类算法和参数的选择、聚类结果的有效性评价和 类数估计等具体问题，主要工作和创新点如下： 1．首次采用具有外部标准的基因表达数据集，研究了基因聚类分析中层次聚 类、K．means聚类和SOMs等最为常用的算法对相似度和数据转换方式的选择， 比较了各类算法的性能。结果表明：层次聚类宜以Pearson相关系数为相似度，并 标准化对数转换的数据。并且，府尽黾避免使用甲连接层次聚类，K．means聚类 与SOMs算法的性能显著优于层次聚类。 基因聚类分析结果的确认能力。结果表明：Silhouette指数和FOM测量能较好地 反映聚类算法的性能和聚类结果的质量，Dunn’S指数冈其对噪声的高度敏感性不 数，但偏爱单连接聚类。 正确率都比较低，难于实际应用；FOM测量的移j点位置只能粗略估计大敛的类数， 类数估计专用函数一预测强度进行基因聚类分析中类数的估计，提高了类数估计 的可靠性。 4．针对高分辨j簪SOMs投影结果难于确定类边界的问题，采用K．means对 SOMs训练后的网络单元聚类，实现了SOMs算法与K．means聚类的有机结合。 采用SOMs与K．means相结合的聚类方法对酵母二次迁移全基因组表达数据进行 了系统分析，得到了表达谱十分相似的基吲类，为未知基凼的功能预测提供了重 要线索。 关键词：皋冈表达，聚类分析，聚类确认，层次聚类，K．均值聚类，自组织映射 ABSTRACT With amountsof theextensive ofDNA applicationsmicroarraytechnology,huge andhandle datahavebeen to these geneexpression generated．Howanalyze data， a outvaluable andmedical becomebottleneckand digging biological knowledge，has intheresearchof isa hotspot post—genomicage．Clusteranalysismajorexploratory tO withrelatedfunctions tothesimilaritiesintheir techniquegroupgenes according tounderstand expressionprofiles，helpful genefunction，gene of atthe incluster of subtypes processes，and cells．Aimingspecificproblems analysis data,that of and is，selection geneexpression clusteringalgorith