基因表达数据的聚类技术研究与应用-计算机软件与理论专业论文.docxVIP

摘要摘要 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 表达分析已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KⅣ[cans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 Abs廿actAbstract Abs廿act Abstract With the accomplishment of Human Genome Project，the biological research comes to the new post—genome era．Scientists now focus on exploring genome structures and functions from biological data．DNA microarray technology has now made it possible to simultaneously monitor the expression levels of thousands of genes during biological processes．The technology brought a new light to the life science research and gene expression analysis has become a very important branch of bioinformatits research． Cluster technology seeks to partition a given data set into groups based on specified features SO that the data points in the same cluster are more similar to each other than the points in different clusters．Clustering analysis on gene expression data is a kind of important research in Bioinformatics now．Genes with similar expression patterns can be clustered together with similar cellular functions．Coexpressed genes in the same cluster are likely to be involved in the same cellular process，and a strong correlation of expression patterns between those genes indicates coregniation． This thesis focuses on the research On the clustering technology叩plied in analyzing gene expression data．Conventional KIVIeans algorithm is adjusted by considefing the characters of gene expression data and the shortcomings of KIV[eans algorithm．The experiments show that the adapted algorithms perform better than the traditional KMeans method．The clustering val