论文部分内容阅读
DNA的微阵列技术(microarray)使得在重要的生物过程中同时检测大量的基因表达水平变得可能。揭示隐藏在基因表达数据中的基因模式可以提供一个可以加深对功能性基因的理解的重要机会。但是,巨大的基因数目和生物网络的复杂性增加了理解和解释这些基因的挑战。而解决这个挑战的第一步工作就是利用聚类技术,因为它是从底层的数据中揭示自然结构和识别有意义的模式的数据过程中的重要步骤。本文的工作就是设计并研究针对基因表达数据的有效的聚类算法。本文的主要工作为两部分内容:第一部分工作中,本文提出一个基于最小生成树的聚类算法,叫做基于最小生成树的不定划分的聚类算法(a MST-based Uncertain Partition clustering algorithm,MUP)。它能够快速有效地聚类分析基因表达数据。MUP算法的最大特点是:1,与其他基于最小生成树的算法的不同之处是不相容边的确定方法。MUP算法采用两个连续的步骤来完成:滑动窗口来识别当前簇的潜在的不相容边和利用目标函数来确定真正的将被剪断的不相容边。2,在没有先验知识的情况下,能够自动确定簇的数量。3,在具有噪声的背景中仍然能够发现有意义的基因模式。在用MUP算法分别分析两个公开的且流行的基因表达数据集,Wen的数据集和Iyer的数据集时,得到了很好的聚类结果。这说明MUP算法对大规模的基因表达数据是有效的。第二部分工作中,本文研究多视图的正交子空间聚类算法在应用基因表达数据时的聚类质量。正交子空间聚类算法已经成功地应用在其他一些领域,比如文本聚类,图像数据聚类等。理论上它可以用于分析基因表达数据,所以本文采用另一个公开的且流行的基因表达数据,Cho的数据集,来研究分析正交子空间聚类算法在基因表达数据集上的聚类效果和意义。通过实验分析,本文得出结论,正交子空间算法也能够从多个侧面很好的分析基因表达数据集。本文中的MUP算法和多视图的正交子空间聚类算法都能够有效的分析基因表达数据,它们为基因表达数据的研究和下一步的其他工作提供了有力的支持。