基于聚類分析的基因表達(dá)差異篩選方法研究.pdf

1、人類基因組計(jì)劃的順利完成標(biāo)志著生命科學(xué)的研究進(jìn)入了后基因組時(shí)代。科學(xué)家的研究重點(diǎn)轉(zhuǎn)向了從大規(guī)模生物數(shù)據(jù)中發(fā)掘蘊(yùn)含的結(jié)構(gòu)和功能信息。基因表達(dá)系列分析(SAGE)微陣列和基因芯片等技術(shù)的運(yùn)用使得研究者可以同時(shí)觀察成千上萬條基因在某個(gè)生命過程中的表達(dá)情況，己經(jīng)成為了生物信息學(xué)研究的一個(gè)重要方向。如何利用計(jì)算機(jī)科學(xué)中的分析技術(shù)，從海量基因表達(dá)數(shù)據(jù)中篩選出對了解生命過程有指導(dǎo)意義的信息成為當(dāng)前生物信息學(xué)研究的新課題。 聚類分析是在分析基

2、因表達(dá)數(shù)據(jù)時(shí)最常使用的方法之一。具有相似表達(dá)特征的基因能夠被聚到一起，提示這些基因具有相近的生物學(xué)功能。 我們對基于CF樹的兩種BIRCH算法進(jìn)行了分析和研究，發(fā)現(xiàn)其有兩點(diǎn)不足，一是采用統(tǒng)一閾值形成多個(gè)簇，二是不能發(fā)現(xiàn)不規(guī)則形狀的簇。本文提出了一種基于多代表點(diǎn)的特征樹，它基于BIRCH算法的思想，融人了CIiRE算法的優(yōu)點(diǎn)，可以對海量的聚類數(shù)據(jù)進(jìn)行壓縮，并且能夠捕捉復(fù)雜形狀的簇。利用該數(shù)據(jù)結(jié)構(gòu)，采用隨機(jī)采樣的方法，提出了一個(gè)適

3、合的處理數(shù)據(jù)的聚類算法，該算法能夠滿足上述聚類算法的要求．有效地快速地處理海量數(shù)據(jù)。并從定量和定性兩方面分析了改進(jìn)算法。 同時(shí)，文中也介紹了我們基于擴(kuò)展的CF樹的聚類軟件系統(tǒng)實(shí)現(xiàn)，并運(yùn)行了實(shí)例，應(yīng)用于胃癌SAGE文庫，有效而快速的篩選出腫瘤差異表達(dá)基因。篩選出的胃癌差異表達(dá)基因可指導(dǎo)后續(xù)分子生物學(xué)實(shí)驗(yàn)研究，驗(yàn)證后有望成為新的胃癌分子靶標(biāo)。通過對篩選出的EST進(jìn)行進(jìn)一步生物信息學(xué)分析和分子生物學(xué)實(shí)驗(yàn)，有望克隆新的胃癌相關(guān)基因。