基因表達(dá)數(shù)據(jù)聚類分析算法研究和應(yīng)用.pdf

1、隨著基因芯片技術(shù)的廣泛應(yīng)用,產(chǎn)生了海量的基因表達(dá)數(shù)據(jù).如何分析和處理這些數(shù)據(jù),從中提取有用的生物學(xué)或醫(yī)學(xué)信息,是基因芯片技術(shù)應(yīng)用的關(guān)鍵和難點(diǎn),其研究已成為后基因組時(shí)代的熱點(diǎn)之一.聚類分析能將功能相關(guān)的基因按表達(dá)譜的相似程度歸納成共同表達(dá)類別,有助于對(duì)基因功能、基因調(diào)控、細(xì)胞過(guò)程及細(xì)胞亞型等進(jìn)行綜合研究,是目前基因表達(dá)數(shù)據(jù)分析的主要技術(shù)之一.本文針對(duì)基因表達(dá)數(shù)據(jù)聚類分析中聚類算法和參數(shù)的選擇、聚類結(jié)果的有效性評(píng)價(jià)和類數(shù)估計(jì)等具體問(wèn)題,主要

2、工作和創(chuàng)新點(diǎn)如下: 1.首次采用具有外部標(biāo)準(zhǔn)的基因表達(dá)數(shù)據(jù)集,研究了基因聚類分析中層次聚類、K.means聚類和SOMs等最為常用的算法對(duì)相似度和數(shù)據(jù)轉(zhuǎn)換方式的選擇,比較了各類算法的性能.結(jié)果表明:層次聚類宜以Pearson相關(guān)系數(shù)為相似度,并對(duì)數(shù)據(jù)進(jìn)行行標(biāo)準(zhǔn)化轉(zhuǎn)換；K-means聚類和SOMs則宜選擇Euclidean距離準(zhǔn)則和標(biāo)準(zhǔn)化對(duì)數(shù)轉(zhuǎn)換的數(shù)據(jù).并且,應(yīng)盡量避免使用單連接層次聚類, K-means聚類與SOMs算法的性能顯

3、著優(yōu)于層次聚類. 2.研究了Silhouette指數(shù)、Dunn's指數(shù)、Davies-Bouldin指數(shù)及FOM測(cè)量對(duì)基因聚類分析結(jié)果的確認(rèn)能力.結(jié)果表明:Silhouette指數(shù)和FOM測(cè)量能較好地反映聚類算法的性能和聚類結(jié)果的質(zhì)量,Dunn's指數(shù)因其對(duì)噪聲的高度敏感性不能直接用于基因聚類結(jié)果的確認(rèn),Davies-Bouldin指數(shù)的確認(rèn)能力好于Dunn's指數(shù),但偏愛(ài)單連接聚類. 3.對(duì)Silhouette指數(shù)、

4、Davies-Bouldin指數(shù)、FOM測(cè)量等函數(shù)的類數(shù)估計(jì)能力進(jìn)行了研究.結(jié)果表明:silhouette指數(shù)和Dayies-Bouldin指數(shù)估計(jì)確切類數(shù)的正確率都比較低,難于實(shí)際應(yīng)用；FOM測(cè)量的拐點(diǎn)位置只能粗略估計(jì)大致的類數(shù),并含有不確定性和主觀性.定義了新的相對(duì)silhouette指數(shù)和相對(duì)Davies-Bouldin指數(shù),以擴(kuò)展現(xiàn)有silhouette指數(shù)和Davies-Bouldin指數(shù)估計(jì)類數(shù)的能力.引入了類數(shù)估計(jì)專用函數(shù)