基因表達數(shù)據(jù)聚類分析算法研究和應用.pdf

1、隨著基因芯片技術的廣泛應用,產生了海量的基因表達數(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或醫(yī)學信息,是基因芯片技術應用的關鍵和難點,其研究已成為后基因組時代的熱點之一.聚類分析能將功能相關的基因按表達譜的相似程度歸納成共同表達類別,有助于對基因功能、基因調控、細胞過程及細胞亞型等進行綜合研究,是目前基因表達數(shù)據(jù)分析的主要技術之一.本文針對基因表達數(shù)據(jù)聚類分析中聚類算法和參數(shù)的選擇、聚類結果的有效性評價和類數(shù)估計等具體問題,主要

2、工作和創(chuàng)新點如下: 1.首次采用具有外部標準的基因表達數(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相似度和數(shù)據(jù)轉換方式的選擇,比較了各類算法的性能.結果表明:層次聚類宜以Pearson相關系數(shù)為相似度,并對數(shù)據(jù)進行行標準化轉換；K-means聚類和SOMs則宜選擇Euclidean距離準則和標準化對數(shù)轉換的數(shù)據(jù).并且,應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測量對基因聚類分析結果的確認能力.結果表明:Silhouette指數(shù)和FOM測量能較好地反映聚類算法的性能和聚類結果的質量,Dunn's指數(shù)因其對噪聲的高度敏感性不能直接用于基因聚類結果的確認,Davies-Bouldin指數(shù)的確認能力好于Dunn's指數(shù),但偏愛單連接聚類. 3.對Silhouette指數(shù)、

4、Davies-Bouldin指數(shù)、FOM測量等函數(shù)的類數(shù)估計能力進行了研究.結果表明:silhouette指數(shù)和Dayies-Bouldin指數(shù)估計確切類數(shù)的正確率都比較低,難于實際應用；FOM測量的拐點位置只能粗略估計大致的類數(shù),并含有不確定性和主觀性.定義了新的相對silhouette指數(shù)和相對Davies-Bouldin指數(shù),以擴展現(xiàn)有silhouette指數(shù)和Davies-Bouldin指數(shù)估計類數(shù)的能力.引入了類數(shù)估計專用函數(shù)