基因表达数据的聚类技术研究与应用 王竟春.pdfVIP

摘 要 摘 要 人类基因组计划的顺利完成标志着生命科学的研究进入了的后基因组时 代。科学家的研究重点转向了从大规模生物数据中发掘蕴含的结构和功能信息。 微阵列和基因芯片等技术的运用使得研究者可以同时观察成千上万条基因在某 个生命过程中的表达情况，从而将基因的活动状态比较完整地展现出来。基因 表达分析己经成为了生物信息学研究的一个重要方向。 聚类技术将数据集根据相应特征聚成不同的类，同一类中的数据比其他类 中的数据更相近。基因表达数据的聚类分析是目前生物信息学中重要的研究内 容。具有相似表达特征的基因能够被聚到一起，表示具有相近的细胞功能。与 此同时，同一类中相互表达的基因更有可能包含在同一个细胞过程中，这些基 因的表达特征的相关性预示着它们之间的互相关。 本文研究基因表达数据分析中的聚类技术，着重研究了结合基因表达数据 特征和KMeans聚类算法特点的改进算法，实验结果显示比传统KMeans的方法 要好。本文还研究了聚类结果的验证方法ARI，以及从基于基因的聚类结果挖掘 基因间相关性的方法。另外，本文介绍了开发的基因表达数据分析系统 GeneMiner的设计与开发。 关键字 生物信息 基因芯片 基因表达数据 聚类 关联规则 Abstract WiththeaccomplishmentofHumanGenomeProject,thebiologicalresearch comestothenewpost-genomeera.Scientistsnowfocusonexploringgenome structuresandfunctionsrfombiologicaldata.DNAmicroarraytechnologyhasnow madeitpossibletosimultaneouslymonitortheexpressionlevelsofthousandsof genesduringbiologicalprocesses.Thetechnologybroughtanewlighttothelife scienceresearchandgeneexpressionanalysishasbecomeaveryimportantbranchof bioinformaticsresearch. Clustertechnologyseekstopartitionagivendatasetintogroupsbasedon specifiedfeaturessothatthedatapointsinthesameclusteraremoresimilartoeach otherthanthepointsindifferentclusters.Clusteringanalysisongeneexpressiondata isakindofimportantresearchinBioinformaticsnow.Geneswithsimilarexpression patternscanbeclusteredtogetherwithsimilarcellularfunctions.Coexpressedgenes inthesameclusterarelikelytobeinvolvedinthesamecellularprocess,andastrong correlationofexpressionpatternsbetweenthosegenesindicatescore酗 ation. Thisthesisfocusesontheresearchontheclusteringtechnologyappliedin analyzinggeneexpressiondata.ConventionalKMeansalgorithmisadjustedby consideringthecharactersofgeneexpressiondataandtheshortcomingsofKMeans algorithm.Theexperimentsshowthattheadaptedalgorithmsperformbetterthanthe traditionalKMeansmethod.TheclusteringvalidationmethodARIisinvestigated.To revealbi