基于譜聚類方法的基因表達(dá)數(shù)據(jù)分析研究.pdf

1、癌癥的發(fā)病率高、死亡率高，患者的生存期短，給患者的本人、家人甚至整個(gè)社會(huì)都帶來(lái)了嚴(yán)重的不良影響。因此腫瘤的預(yù)防和治療是全世界生命科學(xué)研究者的研究焦點(diǎn)。通過(guò)樣本的聚類，不僅可以根據(jù)已得到的腫瘤聚類樣本對(duì)未知的聚類樣本進(jìn)行研究和預(yù)測(cè)，幫助醫(yī)生進(jìn)行腫瘤的診斷和治療，還可以幫助找出相關(guān)的驅(qū)動(dòng)基因或功能表達(dá)相似基因，進(jìn)而可以發(fā)掘基因之間的調(diào)控關(guān)系，并找出有研究?jī)r(jià)值的基因，從中選出藥靶、診斷靶。基因表達(dá)數(shù)據(jù)的聚類分析研究對(duì)腫瘤的預(yù)防和治療研究有著很

2、重要的醫(yī)學(xué)意義。
　　由于基因表達(dá)數(shù)據(jù)的高維特性，數(shù)據(jù)往往變得稀疏，樣本之間的距離差距不再明顯，而且冗余特征也會(huì)隨之增多，導(dǎo)致一般的聚類算法的有效性大大降低。通過(guò)對(duì)基因表達(dá)數(shù)據(jù)進(jìn)行聚類分析以提高診斷腫瘤的準(zhǔn)確度，成為了生物信息學(xué)和醫(yī)學(xué)領(lǐng)域的熱點(diǎn)研究。本文主要圍繞腫瘤基因表達(dá)數(shù)據(jù)的譜聚類問(wèn)題進(jìn)行研究，具體研究工作包括:
　　(1)基于稀疏表示的譜聚類算法(Sparse Representation based Spectral

3、Clustering，SRSC)將每個(gè)高維樣本映射到一個(gè)低維的系數(shù)向量子空間，并利用稀疏表示系數(shù)向量構(gòu)造相似度矩陣從而進(jìn)行譜聚類。由于該方法存在效率低等缺點(diǎn)，在高維的基因表達(dá)數(shù)據(jù)聚類中存在很大的不足，針對(duì)這個(gè)問(wèn)題，提出了基于協(xié)同表示的譜聚類算法(Collaborative Representation based Spectral Clustering，CRSC):首先通過(guò)協(xié)同表示對(duì)高維的基因表達(dá)數(shù)據(jù)進(jìn)行降維分析，有效的保證了信息的完整

4、性;然后采用Cosine距離對(duì)降維后的數(shù)據(jù)構(gòu)建相似度矩陣;最后采用譜聚類算法進(jìn)行對(duì)相似度矩陣進(jìn)行聚類分析。通過(guò)多種評(píng)價(jià)標(biāo)準(zhǔn)的對(duì)比，表明該算法在時(shí)間復(fù)雜度和聚類準(zhǔn)確率上都有較強(qiáng)的魯棒性。
　　(2)當(dāng)樣本數(shù)量很大，SRSC算法在求解稀疏表示系數(shù)的過(guò)程非常耗時(shí)，針對(duì)這個(gè)問(wèn)題，結(jié)合傳統(tǒng)的主成分分析優(yōu)勢(shì)，提出了基于主成分分析的譜聚類算法(Principal Component Analysis based Spectral Cluster