基因表達(dá)數(shù)據(jù)的缺失值估計(jì)研究.pdf

1、DNA微陣列技術(shù)是生物芯片技術(shù)之一，它發(fā)展成熟且應(yīng)用廣泛，使得人們可以同時對大量基因進(jìn)行檢測，由此獲得基因在不同實(shí)驗(yàn)條件下的表達(dá)水平。然而，事實(shí)上，現(xiàn)有的公共基因表達(dá)數(shù)據(jù)庫中的基因表達(dá)數(shù)據(jù)均存在不同程度的缺失，這對后續(xù)分析造成嚴(yán)重不好的影響。簡單剔除含缺失值的整個基因勢必造成大量信息的丟失，周期長、代價(jià)高的重復(fù)試驗(yàn)也不可取。
　　本文從以下幾個方面開展了工作，內(nèi)容如下：
　　首先，從數(shù)據(jù)集的總體結(jié)構(gòu)角度出發(fā)研究貝葉斯主成分分

2、析法，它包括主成分分析、貝葉斯估計(jì)及迭代算法，通過缺失數(shù)據(jù)和模型參數(shù)之間不斷的相互更新，最終達(dá)到收斂，得到缺失值的估計(jì)值。
　　其次，從數(shù)據(jù)集的局部結(jié)構(gòu)角度出發(fā)，依據(jù)相似基因共同表達(dá)原則，研究目前廣泛應(yīng)用的最近鄰法及局部最小二乘法。但是這兩種算法存在相似的缺陷，即缺失率較大的情況下估計(jì)精度大大降低。本文對這兩種方法進(jìn)行了改進(jìn)，在缺失率較大的情況下，預(yù)填充符合條件的基因，擴(kuò)大備選基因的范圍，并按缺失率大小順序估計(jì)。實(shí)驗(yàn)表明，算法改進(jìn)

3、效果顯著。
　　再次，從生物知識角度出發(fā)研究乙?；Ｊ交貧w法。依據(jù)是組蛋白乙?；娇赡軙淖?nèi)旧|(zhì)的折疊特性并為轉(zhuǎn)錄因子提供結(jié)合面，造成轉(zhuǎn)錄因子的活性很大程度上由組蛋白乙?；谌旧|(zhì)中的狀態(tài)來調(diào)控。將組蛋白乙?；瘮?shù)據(jù)與基因表達(dá)譜數(shù)據(jù)相結(jié)合來選取鄰近基因，進(jìn)而估計(jì)缺失值。
　　最后，從統(tǒng)計(jì)學(xué)方面及基因表達(dá)數(shù)據(jù)的后續(xù)分析方面，利用多種指標(biāo)對以上算法進(jìn)行評價(jià)。其中，本文重點(diǎn)且全面的對填充數(shù)據(jù)進(jìn)行層次聚類，通過相應(yīng)指標(biāo)來衡量算法性