基于文本挖掘的DNA微阵列表达数据的研究方法与分析.pdfVIP

44 中华医学会第十五次全国医学信息学术会议 论文汇编 PU-31-0137 分成不同种类，以便更深入了解其生物功能及关联性。这种 基于文本挖掘的DNA 微阵列表达数据的研究方法及 探索完全未知数据特征的方法，称为非监督聚类。凝聚法 分析 (Agglomerative)是常用聚类方法之一，其典型代表是系统 张薇 崔雷∗ ∗ 聚类法。分裂法(Divisive)主要包括k均值聚类法和自组织 中国医科大学情报学研究室 110001 图。 2.2 监督聚类( Supervised clustering) DNA微阵列技术是近年来发展起来的一种功能基因组学 微阵列表达谱中有些基因是已知的,把这些基因作为训 研究技术。利用DNA微阵列技术，可以从基因组水平上鉴定 练样本指导功能未知基因的归类,以此发现与已知功能基因 出相关的功能基因及其表达调控网络，有助于阐明这些基因 表达相似的新基因。当考虑到使用这些信息帮助分析时，就 的生物学功能及其机理。随着这项新技术的建立和日趋完 产生了监督聚类。监督聚类主要有：Fisher线性判别分析， 善，基因组的研究已经进入了信息提取和数据分析的崭新阶 K-最近邻居法，决策树，人工神经网络和支持向量机。 段。 3. 基于文献的DNA微阵列分析 如何从海量的DNA微阵列数据中提取有价值信息,如何 3.1 基于生物文献的知识发现概述 从实验数据推断基因之间关系网络,却是当前广泛应用DNA 在大量的科学文献中一定隐藏着未被发现的联系，美国 微阵列技术所面临的巨大挑战,也是生物信息学研究的热点 学者Don R．Swanson于1986年首次在医学文献研究中发现了 问题之一。 这种关系。雷诺氏病是一种治疗方法和病因学都未知的血液 此外，由于用户具备基因功能知识有限，难以对数量庞 系统疾病，该病表现为血液循环紊乱，血液黏度升高。同时 大的各种复杂基因表达数据进行解释。另一方面，基因功能 又在其他文献中发现食用鱼油可以降低血液黏度。因此 相关信息主要包含在Medline数据库的大量文献中，能否从 Swanson把这两种知识联系起来提出食用鱼油应该对雷诺氏 文献角度分析或者挖掘DNA微阵列基因相关信息，对大量发 病患者有帮助的假设，在这个假说提出两年后有人通过临床 表的微阵列试验产生的数据进行有效整合，进而能够更加容 实验证实了这一点。他的研究成果引起了人们极大的兴趣和 易的对微阵列数据进行解释，引起了人们的广泛关注。 关注，首次认识到从文献中可以发现或者挖掘到以前未知的 l．DNA微阵列技术 知识。 1.1 DNA微阵列简介 该方法也应用于分子生物学领域。如果两个基因在生物 DNA微阵列(DNA microarray)又被称为DNA芯片(DNA 功能上相关，那么这两个基因在生物学文献中共同出现的几 Chip)、生物芯片(Biologicalchip)等。现已显现出在基因 率就大, 目前研究中，主要有4种方法：基于统计的方法、基 序列分析、基因诊断、基因表达研究、基因组研究、多基因 于关联规则挖掘的方法、基于自然语言处理的方法和基于模 突变和多态性检测及发现新基因、疾病诊断和分型、研究疾 式识别的方法。 病分子机制以及药物筛选和疫苗开发等领域中的应用价值。 3.2 基于统计的方法 1.2 DNA微阵列技术原理与特点