第四节 基因表达数的聚类分析.docVIP

第四节 基因表达数据的聚类分析 基因表达数据主要来自于两个方面，一是基因芯片，这是最主要的表达数据来源，利用基因芯片技术可以大规模并行获取基因转录结果mRNA的数据（Schena Eet al，1995）。表达系列分析SAGE和差异显示（Kozian and Kirschbaum，1999）、蛋白质芯片等是快速检测蛋白质及其含量的另一类技术。 聚类分析是模式识别中一种非常有吸引力的方法，特别适用于模式分类数不知道的情况。从机器学习的角度来看，有两种基本的聚类分析（Kaufman 1990），即所谓有教师聚类和无教师聚类。在有师聚类中，对于每一类有一个参考模式，对于一个未分类的向量，通过计算选择一个最接近的参考模式，并将该向量归入该参考模式所对应的类，这实际上是一个分类问题。而真正的聚类分析是一种无师学习（或无监督学习），没有关于聚类的先验知识，需要聚类算法根据样本之间的距离或者相似程度进行自动分类（傅京孙，1990；李介谷等，1986）。 基因表达数据聚类分析一般包括以下几个步骤：（１）确定基因表达的数据；（２）计算相似性矩阵，各个矩阵元素代表两个基因的表达是否相似；（３）选择算法进行聚类分析；（４）显示分析结果。以下着重讨论对表达型基因芯片实验数据的处理和分析。 在一种基因芯片上往往含有成百上千个基因探针，一次可以同时检测大量基因的表达。利用同一种芯片在不同条件下（不同时间，不