基因表达数据聚类分析算法研究和应用-生物医学工程专业论文.docxVIP

中文摘要随着荩闲芯片技术的广泛麻用，，奇生了海龟的肇冈表达数据。如何分析和处 中文摘要 随着荩闲芯片技术的广泛麻用，，奇生了海龟的肇冈表达数据。如何分析和处 理这些数据，从中提取有用的生物学或医学信息，是基因：签片技术应用的关键和 难点，其研究已成为后基因组时代的热点之一。聚类分析能将功能相关的基因按 表达谱的相似程度归纳成共同表达类别，有助于对基因功能、基因调控、细胞过 程及细胞业型等进行综合研究，是目前基因表达数据分析的主要技术之一。本文 针对摹因表达数据聚类分析中聚类算法和参数的选择、聚类结果的有效性评价和 类数估计等具体问题，主要工作和创新点如下： 1．首次采用具有外部标准的基因表达数据集，研究了基因聚类分析中层次聚 类、K．means聚类和SOMs等最为常用的算法对相似度和数据转换方式的选择， 比较了各类算法的性能。结果表明：层次聚类宜以Pearson相关系数为相似度，并 对数据进行行标准化转换；K—means聚类和SOMs则宜选择Euclidean距离准则和 标准化对数转换的数据。并且，府尽黾避免使用甲连接层次聚类，K．means聚类 与SOMs算法的性能显著优于层次聚类。 2．研究了Silhouette指数、Dunn’S指数、Davies．Bouldin指数及FOM测量对 基因聚类分析结果的确认能力。结果表明：Silhouette指数和FOM测量能较好地 反映聚类算法的性能和聚类结果的质量，Dunn’S指数冈其对噪声的高度敏感性不 能直接用于基因聚类结果的确认，Davies．Bouldin指数的确认能力好于Dunn’S指 数，但偏爱单连接聚类。 3．对Silhouette指数、Davies．Bouldin指数、FOM测钴等函数的类敬估计能 力进行r研究。结果表明：Silhouette指数和Davies—Bouldin指数估计确切炎数的 正确率都比较低，难于实际应用；FOM测量的移j点位置只能粗略估计大敛的类数， 并含有不确定性和主观性。定义了新的相对Silhouette指数和相对Davies-Bouldin 指数，以审’展现有Silhouette指数和Davies．Bouldin指数估计类数的能力。引入了 类数估计专用函数一预测强度进行基因聚类分析中类数的估计，提高了类数估计 的可靠性。 4．针对高分辨j簪SOMs投影结果难于确定类边界的问题，采用K．means对 SOMs训练后的网络单元聚类，实现了SOMs算法与K．means聚类的有机结合。 采用SOMs与K．means相结合的聚类方法对酵母二次迁移全基因组表达数据进行 了系统分析，得到了表达谱十分相似的基吲类，为未知基凼的功能预测提供了重 要线索。 关键词：皋冈表达，聚类分析，聚类确认，层次聚类，K．均值聚类，自组织映射 ABSTRACTWith ABSTRACT With the extensive applications of DNA microarray technology,huge amounts of gene expression data have been generated．How to analyze and handle these data， digging out valuable biological and medical knowledge，has become bottleneck and hotspot in the research of post—genomic age．Cluster analysis is a major exploratory technique tO group genes with related functions according to the similarities in their expression profiles，helpful to understand gene function，gene regulation，cellular processes，and subtypes of cells．Aiming at the specific problems in cluster analysis of gene expression data,that is，selection of clustering algorithms and parameters， assessment of the clustering results，and predicting the number of clusters，the following innovative work has been carried out． 1．The performances of several