基因芯片的数据分析-生物化学与分子生物学专业论文.docxVIP

基因芯片的数据分析基因芯片的数据分析 基因芯片的数据分析 基因芯片的数据分析 专业：软件工程 姓名：王江 导师：戴宪华教授 摘要 本篇论文研究的方向属于生物信息学的范畴，主要以计算机为工具对生物信 息即eDNA数据进行储存、检索、表达聚类和分析。具体来说，主要运用数据挖 掘算法对cDNA基因表达数据进行聚类分析，确定具有相似表达模式的基因。 本文阐述了有关基因、基因芯片的相关概念以及数据聚类的相关算法，如 K一均值、主成分分析(PCA)、层次聚类等。本文运用matlab7．0语言对NCBI的基 因表达综合数据库系统(GEO)中的数据进行聚类分析，数据分析采用先用PC^降 维方法得出大致数据分布图，即观测出大致的聚类数，然后再用K一均值对其进 行细化，可以克服单一采用K一均值时盲目输入初始K值的缺点，可以得到良好 的聚类效果。本文还通过求出层次聚类的结果与k一均值算法的不同k值产生的 结果的交集，并对其有效性进行了检验。本文还论述了双聚类的基本原理，并编 制相关算法，并对双聚类算法作了一些改进，如可视化其输出结果、对整个矩阵 求出的相关性最大的子矩阵之后，再对其进行过滤与清除，如清除与均值相差比 较大的点，这样可以去掉一些孤立点，得到良好的聚类效果。本文对不同实验条 件下酵母菌的基因芯片数据进行双聚类分析，并得出了有效的聚类结果。在双聚 类有效性验证方面，采用逐个去除每个条件，看其聚类效果的变化来判断其是否 强壮，最后通过实例对双聚类的有效性进行了实例分析。 关键词：基因芯片、数据挖掘、聚类算法、双聚类 基因芯片的数据分析 基因芯片的数据分析 Abstract Computational Analysis of Microarray Data Major： Software Engineering Name： Wang Jiang Supervisors：Professor Dai XianHua Abstract The research orientation of this paper belongs to bioinformatics field，which mainly deais with biological information,namely，eDNA data，by using computer technoiogy to save，search，cluster and analyse．Concretely，we analyse gene expression data of eDNA by using data mining algorithm to confirm the genes which have the similar expression pattern． The paper describes the relevant conceptions of gene and genechips，it also proposes the relevant data clustering algorithm,such as，K-means，PCA,hierarchical cluster，etc．In this paper，1 propose a algorithm which is written in matlab 7．0 to analyse the GEO data of NCBI，the algorithm is described as follows：firstly，using the method of PCA to roughly figure out data distrmution map，i．e．get the roughly clustering number，afterwards，using the K-means method to get more deails in clustering number．This algorithm can overconle the shortcoming brought by the only K-means with blind value of Kthus，it can bring about better results．Though the intersection by the results brought about by the hierarchical cluster and the resuRs brought about by the K-means with different value of k cluster vaHdation was tested．The paper also deals with