11第11课生物信息学的基因聚类分析.pptVIP

基因表达数据的聚类分析;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： 有监督聚类 无监督聚类;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 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 ;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 投票分类法（多分类器） ;7、主成分分析PCA ;图9.13 主元素对应特征值图示;;分析基因表达数据 发现与疾病直接相关的基因 发现这些基因的活动规律;基因调控网络分析; 基因表达在化学催化中的作用;代谢路径示例：脯氨酸的生物合成;基因表达实际上是细胞、组织、器官受遗传和环境影响的结果。 一个基因的转录和表达由细胞的生化状态所决定，在一个基因的转录过程中，一组转录因子作用于该基因的启动子区域，控制该基因转录，而这些转录因子本身又是其它基因的产物。 当一个基因通过转录、翻译形成功能基因产物后，它将改变细胞的生化状态，从而直接或间接地影响其它基因的表达，甚至影响自身的表达。多个基因的表达不断变化，使得细胞的生化状态不断地变化。;一个基因的表达受其它基因的影响，而这个基因又会影响其它基因的表达，这种相互影响、相互制约关系构成了复杂的基因表达调控网络。 基因表达数据之中隐含基因之间的相互作用关系，因而可以通过分析基因表达数据，构建基因调控网络。;几种基因调控网络模型 ;A B C A B C ;;2、线性组合模型;3、加权矩阵模型;4、互信息关联网络;5、基因调控网络实例;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