一种面向时序基因的连续列一致演化型双聚类算法.pdfVIP

一种面向时序基因的连续列一致演化型双聚类算法 摘要:双聚类技术已经作为分析基因表达数据的一种重要的工具，用于在基因表达数据中寻找局 部模式。然而，现存的大多数双聚类算法找到是具有非连续列的双聚类。对于时间序列基因表达 数据而言，它们忽略了该类数据的重要的内部序列关系，因而不适用于分析该类数据。针对这种 情况，本文提出了一种有效的精确性算法,用于在时序基因表达数据上寻找具有连续列的一致演化 型双聚类。该算法将原始矩阵转化为差分矩阵，利用树作为数据结构，从由两列组成的模式出发， 逐步拼接成多列组成的模式，并且结合剪枝策略来提高算法效率。实验结果表明，该算法能找到 统计显著并且具有很强生物相关性的双聚类。 关键词：时序基因；双聚类；数据挖掘；连续列；一致演化 A contiguous column coherent bicluster algorithm facing time-series gene expression data Abstract : Bicluster has been an important tool for the analysis of gene expression data, which is to find out the portion pattern in the gene expression data. But most of the bicluster algorithms aim to find out the non-time -series biclusters which are unsuitable to the time -series biclusters because they ignore the internal relationships of gene expression data. For this, the paper presents an efficient and accuracy algorithm to find out the time -series of coherent pattern biclusters in the time-series gene data. The algorithm turns the raw data matrix to be a difference matrix. Then it use the tree as a data structure, getting multiple columns models from two columns models. And it combines with pruning strategies to improve the efficiency of the algorithm. The experimental results show that the algorithm can find out the biclusters which are statistically significant and strong biological relevance. Keywords: time -series gene; biclustering; data mining; continuous columns; coherent evolution 1 背景 DNA微阵列技术的发展使得同时测量大量(成千上万个)基因在给定实验条件下的表达水平 成为了现实，掀起了对于基因表达研究的一股浪潮。从基因表达数据中提取出相关的生物信息 [1] 是一个非常重要而且具有挑战性的任务 。结果表达数据通常被写成一个 的矩阵，n表示 基因集 （行集），m表示实验条件或者时间点 （列集），每一个元素代表一个基因在某个给定实验 条件下的表达水平。 聚类技术已经被广泛地用于分析基因表达数据，比如 hierarchical clustering [2], [3] [4] self-organizing maps , and k-means clustering 。该