微陣列數(shù)據(jù)的聚類(lèi)算法研究.pdf

1、隨著人類(lèi)基因組計(jì)劃的進(jìn)展，對(duì)于基因的功能和基因組內(nèi)各基因的研究逐步深入。研究基因在不同時(shí)間和條件下的表達(dá)情況，是認(rèn)識(shí)基因功能的一個(gè)主要途徑。cDNA微陣列技術(shù)可以同時(shí)測(cè)量全基因組的表達(dá)情況，是生物學(xué)家認(rèn)識(shí)基因的重要工具。微陣列技術(shù)產(chǎn)生了大量基因表達(dá)數(shù)據(jù)，要從中提取有價(jià)值的信息，采用數(shù)據(jù)挖掘的技術(shù)是十分必要的。 功能相近的基因其表達(dá)模式相似，通過(guò)發(fā)現(xiàn)相似的表達(dá)模式可以預(yù)測(cè)未知基因的功能。數(shù)據(jù)挖掘中的聚類(lèi)算法是按照數(shù)據(jù)的相似性進(jìn)行劃

2、分，實(shí)現(xiàn)物以類(lèi)聚的思想。采用聚類(lèi)技術(shù)對(duì)基因表達(dá)數(shù)據(jù)進(jìn)行處理，可以把表現(xiàn)模式相近的基因聚集到一起，這種劃分有助于專(zhuān)業(yè)人員發(fā)現(xiàn)基因功能和遺傳模式。 目前基因芯片鄰域中的大多數(shù)聚類(lèi)算法在實(shí)際應(yīng)用中存在著一些不足之處，例如K-均值和自組織映射都需要預(yù)先輸入簇的個(gè)數(shù)，而在對(duì)基因表達(dá)譜進(jìn)行聚類(lèi)時(shí)，簇的個(gè)數(shù)通常是未知的，改變這一參數(shù)往往會(huì)極大地影響聚類(lèi)結(jié)果；傳統(tǒng)的聚類(lèi)算法對(duì)噪聲數(shù)據(jù)非常敏感，對(duì)規(guī)模的可伸縮性差；傳統(tǒng)聚類(lèi)算法最早是起源自非生物相

3、關(guān)的研究鄰域，所以通常的聚類(lèi)結(jié)果并不包含明確的生物學(xué)意義。本文針對(duì)以上不足，將K最近鄰先吸收思想和已知基因的生物學(xué)知識(shí)引入了基于密度的聚類(lèi)算法中，設(shè)計(jì)并實(shí)現(xiàn)了一種新的基于密度的K最近鄰先吸收的聚類(lèi)算法，在聚類(lèi)過(guò)程中利用已知基因的生物學(xué)意義生成最初的簇集。最后將所提出的算法應(yīng)用于酵母細(xì)胞有絲分裂下的基因芯片數(shù)據(jù)，對(duì)聚類(lèi)的結(jié)果從簇結(jié)構(gòu)的合理性和生物學(xué)上的意義兩方面給出了明確的比較，從對(duì)比結(jié)果知本文所提出的算法無(wú)論從簇結(jié)構(gòu)的合理性還是生物學(xué)意