论文部分内容阅读
表达谱基因芯片技术的发展使得快速准确地同时度量成千上万的基因表达值成为可能,因而如何从海量的基因表达数据中挖掘出有价值的基因表达模式逐渐成为近年来生物信息学研究的热点。模式挖掘可以帮助研究人员分析基因表达数据,寻找其中可能暗藏的基因间相互作用关系,从而有助于人类认识基因和利用基因。 国内外现有的模式挖掘方法主要针对简单的同变化趋势模式的挖掘,但是在实际研究中诸如时延模式、变速模式等复杂模式往往更有价值,同时挖掘起来也更加困难。近年有一些新的挖掘复杂模式的方法被提出,但是这些方法有的依赖于相关度计算公式,以致于准确度不高且难以扩展应用;有的算法过于复杂,以致于效率较低。另外,目前已有的方法都将本应属于同一线性模式的数据拆分成若干个子模式,以致于错过了将这些数据整体共同分析从而发现新规律的机会。 本课题对模式挖掘方法进行深入研究,以克服目前模式挖掘方法的不足之处。本课题首先详细研究了模式挖掘方法中各种局部模式之间的关系并探讨其数学模型,从这些数学模型出发,重新对模式挖掘中的局部模式进行划分,提出了线性模式的概念。线性模式更符合生物基因数据及其它场合对模式挖掘的要求,可以给研究人员带来更多启发。本课题还深入剖析了基于矩阵变换的模式挖掘算法,探寻算法背后的数学模型,并探讨了基于矩阵变换的方法与导数之间的关系这一新颖的话题。本课题基于对上述算法的研究为线性模式的挖掘提出了一套行之有效的数学模型和其相应算法SDC(Second Derivative Cluster),同时给出了该数学模型理论上的合理性并通过实现算法所对应系统以验证该算法的正确性。 本课题的创新之处在于引入了一种更符合研究实际的局部模式划分方法;提出了线性模式的概念;将矩阵变换的思想与导数联系到一起,提出了第一个可以挖掘数据中线性模式的算法。 本课题提出的SDC算法不仅可以应用于生物基因数据中的局部线性模式的挖掘,也可以扩展应用到商业信息领域、经济领域等其它领域中。