基于LDA模型和MDS算法的多基因组可视化.pdfVIP

第 5卷 第 1期 智 能 计 算 机 与 应 用 Vo1．5No．1 2015年2月 INTELLIGENT COMPUTERANDAPPUCArI=0【NS Feb．2015 基于LDA模型和MDS算法的多基因组可视化 隽立然，王亚东 (哈尔滨工业大学 计算机科学与技术学院。哈尔滨 150001) 摘 要 ：面向多基因组的研究，以建模多个体关系和比较个体差异为主要研究内容。多基因组可视化可以帮助研究者依据多个 体关系，有 目的地分析、比较多基因组之间的差异。多个基因组遗传变异层面的比较，因为变异数量巨大、并且绝大部分变异并无 信息性 ，故而很难在有限的显示空间内可视化。本文根据多基因组可视化的需求，分析了多基因组可视化的数据降维策略，提出 了基于LDA模型及KL散度的多基因组相似度求解方法，建立了基于MDS算法的多基因组可视化降维方法，并使用千人基因组第 三阶段的基因组变异数据，验证上述方法的可靠性。 关键词 ：可视化；多基因组；LDA模型；MDS算法 中图分类号： TP18 文献标识码： A 文章编号：2095—2163(2015)01—0036—04 MultipleGenomesVisualizationbasedonLDA ModelandMDSAlgorithm JUAN Liran．WANG Yadong (SchoolofComputerScienceandTechnology，HarbinInstituteofTechnology，Harbin150001，China) Abstract：Multiplegenomeresearchfocusesonmodellingmultipleindividualrelationshipsandcomparingindividualdiffer- ences．Visualizationofmultiplegenomescanhelpresearcherstoanalyzeandcomparedifferencesamongmultipleindividual genomesintuitively．However，multiplegenomesayedifficulttobevisualizedinlimiteddis—playingspaceowingtothehuge numberofvariants．And mostofgenomevariantsarelessinformative．Thispaperanalyzesthedatadimension reducing strategyformuhiplegenomevisualization，proposesmuhiplegenomesimilaritysolvingalgorithm basedonLDA modeland KL—divergence．anddesignsmuhiplegenomevisualizationdimentionreducingmethod．Thephase3datasetsofl000 ge— nomesprojectareusedtoverifytheeffectivenessandreliabilityoftheabovemethods． Keywords：Visualization；MuhipleGenomes；LDA Model；MDSAlgorithm 0 引 言 分变异并无信息性，故而很难在有限的显示空间内可视化， 近年来随着个体基因组测序的普及，测序的个体基因组 也即使研究者很难从大量变异数据中筛选出重要的变异。 数量大大增加，基于多个个体基因组数据的研究也 日渐增 通过帮助研究者们查看多个基因组在遗传变异层面的比较 多。遗传学、人类学、社会学等许多学科都高度重视对人群 结果