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.docx

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