论文部分内容阅读
基因表达谱数据的分析研究对于生物学和生物信息学而言具有极其重要的意义,尤其是对基因功能与条件的关联研究尤为重要。传统的聚类方法是用相似性度量函数确定基因的相似程度,从而将基因分组。然而在很多情况下,对基因的聚类需要找出在一部分实验条件下表达水平上调或下调一致的基因组,即对基因进行聚类的同时对实验条件也进行聚类,由此引出了双向聚类问题。δ-Bicluster算法是基于MSR(最小均方残差)理论和迭代贪心搜索策略的一种经典双向聚类算法。在分析了该算法优缺点的基础之上,本文提出了ProBicluster算法。ProBicluster算法从两个方面入手:针对双向聚类模式单一性问题,通过二部图理论发现线性模式;针对交叉聚类问题,对结果进行二次聚类。并将算法在人工模拟数据集上测试,说明了ProBicluster算法改进的有效性。本文还实现了基于ProBicluster算法的数据分析平台。对酵母菌细胞周期数据集进行基因与条件的双向关联分析。将ProBicluster与其他四种聚类算法同时应用到酵母菌细胞周期数据集上,利用基因通路和双向聚类结果评价指标进行聚类结果比较及分析。评分结果表明,ProBicluster算法的相关系数评分均高于其他几种算法,恢复系数评分与OPSM算法各有高低。总体说明ProBicluster算法具有良好的准确性和有效性。在NCI60数据集上对基因与药物进行双向关联分析。利用ProBicluster算法进行双向聚类分析得到聚类结果,并从基因和药物两个角度对实验结果进行分析。利用通路对基因之间进行分析,同时从药物类别、理化属性等方面对药物进行分析。经过文献验证发现,在子模式一中基因CCND1对药物Cisplatin具有抗药性,说明双向聚类算法对于发现基因与药物双向关联的有效性,对进一步的药物筛选和药物设计提供帮助。