论文部分内容阅读
本文以基因芯片数据做为主要研究对象,提出了基于模糊聚类的贝叶斯网络方法并且应用于基因调控网络研究。同时针对目前缺乏完整、正确的生物调控关系知识的问题,提出了基于基因本体知识库的方法评估大规模调控网络学习的结果。本文的具体内容和特色包括:
1.介绍基因芯片和当前面向基因芯片数据的生物调控网络研究进展,回顾了贝叶斯网络的概念、学习推理及其在生物调控网络方面的研究进展。
2.提出了基于模糊聚类的贝叶斯网络学习方法,该方法适用于刻画具有的模块化和层次结构特点的网络,比如生物调控网络、社会网络。
3.使用基于基因本体知识库的方法评估大规模生物调控网络学习的结果。
4.利用基于模糊聚类的贝叶斯网络方法分别分析人工合成数据和基因芯片数据,同时使用基于GO的评估算法分析了大规模基因上的调控网络学习结果。通过计算时间分析、网络基序分析等多方面的对比分析,阐述了和传统的贝叶斯网络方法相比,基于模糊聚类的贝叶斯网络方法在时间复杂度和学习效果等方面的优势。