基因表达数据隐马尔科夫模型序列变换聚类.docVIP

基因表达数据论文：基于HMM的基因表达数据聚类分析算法研究 【中文摘要】为了获取海量基因表达数据中有意义的信息及基因之间的相互依赖关系,并进一步为建立更为复杂的生物网络提供支持,聚类方法被广泛地应用到基因表达数据分析领域。基因表达数据的聚类分析具有一定特殊性,与传统领域的数据分析有所区别,主要原因是基因表达数据具有以下特征：首先,由于实验设计和数据采集量化方式差异,基因表达数据存在数据丢失,数据噪声及数据不统一等问题；其次,基因表达数据通常是时间观测序列,数据各个观察点的表达值满足依赖关系,最起码应该满足一阶马尔可夫假设；另外,基因表达数据中包含着丰富的生物规律。针对基因组中存在显著数量的基因在调控过程中并不发生明显的表达变化,相反,很多基因在多个调控机制下表达变化显著,而且,共调控基因的表达方式除顺式表达外,还包括反式表达等。本文对基因表达数据的处理方面进行了研究,把基因表达数值序列转化成能反映表达值变化趋势的序列,将共调控基因的顺式表达和反式表达统一到隐马尔科夫模型(HMM)中,并通过序列元素值在序列中出现的概率计算,剔除不发生明显表达变化的基因,提高了聚类的质量。考虑到基因表达数据的时序性及基因聚类个数难以确定的问题,我们应用基于HMM的聚类分析算法,在相似度量上进... 【英文摘要】Mankind has entered the post-genome era, to clarify the interaction between genes and the relationship between the rapid rise and become a research hotspot of contemporary life sciences. The study of interactions between genes and the gene regulatory network guess is that genomics is an important goal, after the whole-genome sequencing, showing in front of us is the vast DNA sequence information, how to parse out the encoding of all possible genes and their physiological function, and genome-wide level, of ... 【关键词】基因表达数据 隐马尔科夫模型 序列变换 聚类 【英文关键词】gene expression data Markov model sequence transformation clustering 【索购全文】联系Q1：138113721 Q2：139938848 【目录】基于HMM的基因表达数据聚类分析算法研究 提要 4-7 第1章 绪论 7-14 1.1 研究背景 7-8 1.2 基因表达数据的概述 8-11 1.2.1 如何获取基因表达数据 8-10 1.2.2 基因表达数据矩阵的介绍 10-11 1.2.3 基因表达数据的分析与处理 11 1.3 基因调控的介绍 11-12 1.4 本文的主要工作 12-14 第2章 基因表达数据聚类分析理论及其研究内容 14-31 2.1 基因表达谱聚类分析 14 2.2 相似度量函数 14-16 2.3 聚类方法 16-21 2.3.1 简单聚类 17 2.3.2 层次聚类法 17 2.3.3 K-means 聚类法 17-18 2.3.4 自组织映射神经网络 18-20 2.3.5 其他聚类方法的简单原理 20-21 2.4 基于模型的聚类方法 21-22 2.5 支持向量机 22-25 2.6 聚类结果的可视化方法 25-27 2.7 聚类结果的定量评价 27-31 第3章 隐马尔科夫模型理论 31-41 3.1 隐马尔科夫模型的由来 31 3.2 隐马尔科夫模型定义及相关理论介绍 31-34 3.2.1 马尔科夫性与马尔科夫链的简要介绍 31-32 3.2.2 隐马尔科夫模型(HMM)的概念 32-34 3.3 隐马尔科夫模型的基本问题 34-38 3.3.1 评估问题 35-36 3.3.2 解码问题 36-38 3.4 学习问题 38-40 3.5 隐马尔科夫模型总结 40-41 第4章 隐马尔科夫模型在基因表达数据聚类算法中的应用 41-48 4.1 为什么用隐马尔科夫模型对表达数据进行聚类分析 41 4.2 基于隐马尔科夫模型的距离算法的介绍 41-42 4.3 基因表达数据聚类分析中HMM的研究与应用 42-46 4.3.1 基因表达数据的序列转换 42-