基因表達數(shù)據(jù)聚類和分子結(jié)構(gòu)數(shù)據(jù)庫搜索.pdf

1、生物信息學是一門內(nèi)涵非常豐富的交叉學科，該學科的核心研究內(nèi)容是使用計算機科學與技術(shù)對生物學研究的實驗數(shù)據(jù)管理、統(tǒng)計、分析并預(yù)測，其作用已經(jīng)滲透到現(xiàn)代生物學研究的各個主要領(lǐng)域和階段。生物信息學是當前計算機科學研究中的一個熱點領(lǐng)域。由于研究對象的背景不同，生物信息學與傳統(tǒng)的計算機科學具有相當不同的研究特點和方法。在這個領(lǐng)域不斷有開放性問題涌現(xiàn)，同時已有問題也仍然需要新的方法與技術(shù)以適應(yīng)不同的應(yīng)用情況。 本文深入討論了在生物信息學研究

2、中的兩個熱點問題：基因表達數(shù)據(jù)聚類分析和結(jié)構(gòu)數(shù)據(jù)庫搜索。我們匯總了在這兩個問題上已有的工作，對其中有價值的思想，方法和技術(shù)做了總結(jié)與評估，在此基礎(chǔ)上，提出了用于新型基因．樣本．時間微陣列基因表達數(shù)據(jù)的聚類算法gTRICLUSTER和用于化學化合物分子結(jié)構(gòu)數(shù)據(jù)庫的子結(jié)構(gòu)搜索算法GString。 與傳統(tǒng)的聚類算法不同，gTRCLUSTER用于從新型的GST微陣列數(shù)據(jù)中挖掘一致性三維聚類簇。與已有的方法相比，gTRICLUSTER突破

3、了強加的限制，使用了更為通用的三維聚類模型。因此，gTRICLUSTER能夠找出有可能被已有方法忽略但卻具有生物學重要性的一致性基因聚類簇。在真實數(shù)據(jù)庫上進行的實驗驗證了該算法的有效性，同時顯示gTRICLUSTER具有良好的噪音魯棒性。合理地運用gTRICLUSTER可以充分利用新型微陣列數(shù)據(jù)的優(yōu)勢，給用戶提供有用的信息。 GString是針對化學化合物分子結(jié)構(gòu)數(shù)據(jù)庫進行子圖搜索的算法。我們從領(lǐng)域知識得到啟發(fā)，將語義信息記錄在