东南大学chapter基因表达调控信息.教程解析.ppt

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 第五节 基因调控网络分析 一个基因网络由一组生物分子（如基因、蛋白质）以及它们之间的相互作用构成，这些生物分子共同完成一些特定的细