模糊C-均值聚类分析在基因表达数据分析中的应用.pdf

第26卷 第2期 森 林 工 程 Vo1．26 No．2 2010年 3月 F0REST ENGINEERING Mar．，2010 模糊 C一均值聚类分析在基因表达数据分析中的应用 陈佳妮，段文英 ，丁 徽 (东北林业大学，哈尔滨 150040) 摘 要：为更好地挖掘基因表达数据、获取更多的生物学信息，近年来许 多改进的传统聚类算法和新聚类 算法不断涌现。模糊聚类在聚类分析中又具有广泛的意义和重要的应用价值。叙述基因表达数据的获取和表达， 介绍应用在基因表达数据中的模糊c均值聚类算法以及不同的实现途径和相应的优缺点，简述聚类结果的评价 问题．并对发展趋势做进一步的展望。 关键词：DNA微阵列；基因表达数据；聚类分析 中图分类号：O212．4 文献标识码：A 文章编号：1001一O05X (2010)02—054一o4 ApplicationofFuzzyC—meansClusteringAnalysisinGeneExpressionDataAnaIysis／ChenJiani，DuanWe- nying，DingHui(NortheastForestryUniversity，Harbin150040) Abstract：Inordertobetteranalyzethegeneexpressiondataandobtainmorebiologicalinformation，manyimproved traditionalclusteringalgorithmsandnewclusteringalgorithmshaveemergedcontinuallyinrecentyears．Thefuzzycluste· ringhasawidespreadsignificanceandimportantapplicationvalueintheclusteringanalysis．Theacquisitionandexpression ofgenedatawerefirstlyintroduced，thenthefuzzyC—meansclusteringmethodappliedingeneexpressiondataandthedif- ferentrealizedapproachesweremainlydiscussed，aswellasitsadvantagesanddisadvantages．Atlasttheevaluationof clusteringresultsanditsdevelopmenttrendwerebrieflydescribed． K words：DNA mieroarray；geneexpressiondata；clusteringanalysis 聚类分析是多元统计分析的一种，也是非监督 它们的功能，而大部分是不知道的。通过将已知功 识别的一个重要分支，它把一个没有类别的样本集 能的基因和未知功能的基因混合在一起放入基因芯 按某种准则划分成若干个子集，使相似的样本尽可 片，得到基因表达数据 ，再将数据进行聚类分析， 能归为一类，而不相似的样本尽量划分到不同的类 根据相似的基因有相似的功能的原理，就可以通过 中。聚类分析已经被广泛应用于模式识别、数据挖 已知基因的功能预测未知基因的功能。 掘、计算机视觉和模糊控制等许多领域 ¨J。传统 1 基因表达数据的获取和预处理 的聚类分析是一种硬化分，这种类别的划分界限是 1．1 基因表达数据的获取 分明的，而实际上在大多数情况下，研究对象并没 基因表达数据反映的是直接或间接测量得到的 有严格的属性，它们在性态和类属方面具有 中介 基因转录产物mRNA在细胞 中的丰度 ，这些数据 性，具有 “亦此亦彼”的性质 ，