基于核主分量的基因表达系列分析.pdfVIP

苏洪全等：基于核土分量份的基冈表达系列分析 基于核主分量的基因表达系列分析 苏洪伞，朱义胜 16026) (大连海事大学信息科学技术学院，大连，l E·mail：shqlyg@qq．corn 摘要：基冈表达系列分析(Serialanalysisofgene 分布的特性，设计了新的核函数，结合核主分量分析(Kernel Principle based 出了基于Poisson模型的KPCA算法(Poisson．Model 的SAGE数据的分析，结果表明，该算法相对于KPCA，能有效的去除冗余数据，降低维数。 关键词：基因表达系列分析，Poisson分布，核函数，核主分量分析 1前言 基因表达决定生命过程中的个体发育控制、细胞分化、形态变化、组织特异性以及细 胞应激反应等一系列分子生物过程。随着基因组测序技术的完善和发展，很多动植物的基 因组全序列信息被成功破译。为分析基因功能，了解细胞的基因表达谱，人们提出了表达 能有限的反映基因的表达水平。 of 基因表达系列分析(Serialanalysisgene 分析全基冈组表达模式的技术，反映了细胞内基因的动态变化，克服了其他技术存在的一 些缺陷。模式识别和聚类分析是分析SAGE数据的基本工具，由于SAGE数据具有维数高、 数量大的特点，为便于计算，需对原始的SAGE数据降维，去除冗余数据，往往采用有监 selection 督筛选(supervised 本文的目的是设计有效的无监督算法对SAGE数据进行特征提取，以供后续的模式识别和 聚类分析使用。 取得了较好的结梨01。 法结合，提出了PMKPCA算法。通过对老鼠视网膜细胞发育时期的SAGE数据分析，与采 降低SAGE数据的维数。 2核函数 2．1SAGE数据的统计特性 设t为k维SAGE数据中第i个标签： 基金项目：国家自然科学基金 苏洪全等：基十核主分量份的基冈表达系列分析 x，=Ix,0)，‘(2)，…，五(明r (1) 丑(t)为数据集f中标签i相对于9的百分比141。即： p(誓(f))=P刊只(乃(惆)“‘’^(州 (2) 2．2对SAGE数据PoiSSOR分布参数的估计 考虑由刀个样本组成的集合D={xl，x2，…，x。}，对于给定的样本，其产生的概率为： p(x“x乒=∑P(1，qP(q) (3) 其中先验概率尸(哆)决定其所属类别q，p(xI|I，哆)是条件概率密度， IlI嘶I，2，…，t)是参数向量。那么联合密度函数为： p(Dp≥陟Hp(，I) (4) 根据最大似然估计理论，使得该密度达到最大的参数值d就是p的最大似然估计 p)。即d必须满足： p(DI i=1∥2一，刀 (5) ∑P(qx乒审扛Inp(』I哆，)=o 对该方程求解，可得参数值的最大似然估计讧。 根据SAGE数据的统计特点，∥=20，因为谚为标签i在所有数据集中的期望和，所 以可得： 参=谚=∑‘(t) (6) 根据最大似然估计理论，可得： 稚)=∑五(，)／∑秒