基因芯片数据分析方法及其在医学中的应用.PDF

446 中国医药生物技术 2010 年 12 月第 5 卷第 6 期 Chin Med Biotechnol, December 2010, Vol. 5, No. 6 DOI:10.3969/cmba.j.issn.1673-713X.2010.06.010 ·综述· 基因芯片数据分析方法 及其在医学中的应用 荆志伟，王忠 基因芯片技术带来了大规模、高通量的信息，同时也对 分类变量的混合资料；EM （expectation maximization ）算法 数据的探索性分析及信息提取提出新的挑战。伴随出现的诸 是 k-means 算法的另一种扩展，把每一个体不是划为具体 多方法，如基因芯片数据的标准化，样本（或基因）间距离 的某种类别，而是赋予其属于各类的概率。如 Srinivasan 的度量，以及样本（或基因）的监督和非监督分类等分析方 等[5]运用 k-means 算法比较颈椎病变的转归。 法，力图将无机的信息数据和有机的生命活动结合起来，阐 1.3 自组织图（self-organizing maps，SOM） [1] 释生命特征及基因功能，已成为生物信息学的研究课题 。 SOM 是一种基于神经网络的聚类算法，由若干简单的 探索基因功能的新技术和新方法[2]亦成为研究的重点，新的 拓扑结构的节点构成，且节点中包含了其距离函数，自组织 分析工具不断产生[3] 。本文就近 5 年来医学研究领域中基 图的形成就是这些节点以迭代的形式分布到 k 维的基因表 因芯片数据以分类分析方法为主作一综述。 达空间的过程[6] 。其适合于复杂的多维数据的模式识别和特 征分类等探索性的分析，它允许对聚类的部分结构施加干预 1 基因芯片数据分析的非监督算法 （相比于系统聚类中严格的结构、贝叶斯聚类中对先验假设 1.1 系统聚类（hierarchical clustering） 的要求及 k-means 聚类的无结构，SOM 则更灵活），首先 系统聚类根据聚类的方式分为凝聚法（agglomerative 被 Tamayo 等[7]用于基因表达数据的分析。与多维标度法 approach ）和分裂法（divisive approach ）。凝聚法按照从下 （multi-dimensional scaling ，MDS ）及主成分分析（principal 到上的方式对个体进行聚类：初始每个个体为一类，按照一 component analysis，PCA ）类似，SOM 可以对数据集中的 定的规则进行逐步合并，直到所有个体都归为一类或达到预 不同表达模式实现可视化，从而判断某种模式是否为另外一 定的终止条件。因类间相似性的度量方法的不同而又有所差 种模式的变异。如郑培烝等[8]通过建立基因芯片平台，用全 异。分裂法按照从上到下的方式对个体进行聚类：初始所有 反式维甲酸诱导急性早幼粒细胞白血病来源的 NB4 细胞 个体为一类，然后按照一定规则逐渐分裂，直到每个个体形 分化作为模型，并应用自主开发的自组织图结合成分平面展 成一类或满足某个特定的结束条件，如达到预定的类数或两 示动态地观察了药物作用过程。 个最邻近的类之间的距离超过某预定值。 1.4 模糊聚类（fuzzy clustering） 系统聚类方法简单，但有时在选择分裂或合并点时存在 在实际情况中，基因各功能类间的边界经常是不能截然 困难，因为一旦将一组个体分裂或合并，后续的类将在新类 分开的，模糊聚类适合于解决此类问题