东南大学chapter基因表达调控信息分析资料讲解.ppt

3、加权矩阵模型 加权矩阵模型与线性组合模型相似，在该模型中，一个基因的表达值是其它基因表达值的函数。 4、互信息关联网络 可以用距离或相关系数作为基因表达模式之间的相似性度量，还可以用另外一种度量形式，即用熵和互信息描述基因与基因的关联。 一个基因表达模式的熵是该模式所含信息量的度量。设X是一个基因表达模式，用下式计算熵： 5、基因调控网络实例 真核生物生理过程的调控网络GeneNet GeneNet展示了协调方式下基因的整体功能，良好的调控功能和对外界刺激的反应。该基因网具有以下基本功能： (a) 描述执行特定生物功能时所涉及到的整体基因交互作用 (b) 描述基因的蛋白质编码 (c) 描述基因对外界刺激的传感途径 (d) 通过一组反馈自动地稳定网络参数或者使网络转换到新的功能状态 (e) 利用外部信号、激素和代谢产物作为生理学参数激发基因网纠正其作用 该基因网描述了四类实体： (a) 细胞(组织，器官) (b) 蛋白质 (c) 基因 (d) 物质 该基因网还描述了实体间两种关系： (a) 反应（reaction）, 即通过交互作用产生新的实体或过程 (b) 调控（regulatory）事件, 特定反应对实体的作用。 GeneNet网络 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * 第九章 数据挖掘与基因表达调控信息分析（2） 主讲人：孙 啸 制作人 ：刘志华 东南大学 吴健雄实验室 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。 表达系列分析SAGE和差异显示、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： 有教师聚类 无教师聚类 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。 对数据进行聚类分析之前，必须将包含在基因表达矩阵中的数据进行相似程度分析，并且对分析结果进行量化。 通常情况下，相似往往被赋于一个较大的量化的值，而不相似则由一个较小的量化的值来表示。 在实际计算中，往往以距离代替相似的概念，相似性度量被转化为两个基因表达模式之间的距离。距离越小，表达模式越相近，反之，则表达模式差异大。 几种常用的聚类方法 1．简单聚类 2．层次式聚类 3．K平均聚类 4．自组织映射神经网络 5. 模糊聚类分析方法 6、聚类分析结果的树图表示 1、简单聚类 假设有n个基因 表达数据向量分别为X1, X2,…, XN 令任意一个基因的表达向量为第一个聚类的中心 依次处理其它基因 在处理第i个基因时，首先计算该基因的表达数据向量与现有各类中心的距离 假设与第j类的距离Dij最小，并且DijT，则将基因i分配到第j类；否则生成一个新类，该类的中心为第i个基因的表达向量。 2、层次式聚类 3、K平均聚类 任意选取K个基因表达向量作为初始聚类中心 Z1, Z2,…, Zk 反复迭代计算 如果||X-Zj(l)|| ||X-Zi(l)||(i=1,2,…,K,i?j)，则将X所代表的基因归于第j类。按照上述办法处理所有的基因； 经过上述处理，聚类可能发生变化，因此需要重新计算K个新聚类中心：  对于所有的聚类中心，如果Zj(l+1)=Zj(l)(j=1,2,…,K)，则迭代结束，得到最后的聚类结果；否则继续进行迭代计算。 4、自组织映射神经网络 图9.12 SOM聚类结果示意 5、模糊聚类分析方法 主要过程： （1）建立模糊相似矩阵 （2）生成模糊等价矩阵 （3）构建动态聚类图 6、聚类结果显示 图9.15 基因表达模式聚类结果图示 分类分析方法 有监督学习 疾病诊断、细胞类型识别 样本分类：（例） 急性淋巴细胞白血病(ALL) 急性髓性白血病(AML) 例：两类划分 问题： 基因的选择？ 分类的方法？ 贝叶斯分类法 支持向量机（SVM） k最近邻法 神经网络方法 决策树方法