版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、本文首先介紹了基因芯片的背景知識,作為眾多學(xué)者關(guān)注的研究方向,基因表達差異分析可以分為單基因分析和基因集分析。通過介紹基因表達差異分析的相關(guān)方法,同時分析各種方法的優(yōu)劣點,本文提出基于聚類結(jié)果的基因集表達差異分析方法:GSCL。該方法考慮了以下三方面:生物性狀往往與多個基因表達有關(guān);基因表達之間一般存在相互作用;基因集數(shù)據(jù)經(jīng)常呈現(xiàn)樣本量遠遠小于基因數(shù)的現(xiàn)象。GSCL方法的基本思路是:首先通過聚類將基因集分成若干個基因子類;其次定義基因子
2、類信息量,并以此作為該類對表現(xiàn)型影響的度量,得到對應(yīng)各子類的權(quán)重;然后通過權(quán)重向量的迅速降維;最后利用t檢驗得到檢驗結(jié)果。在方法的應(yīng)用上,本文首先對模擬數(shù)據(jù)進行應(yīng)用,共考慮了四種不同協(xié)方差結(jié)構(gòu)和六種不同均值結(jié)構(gòu),然后對AML/ALL和p53兩個實驗數(shù)據(jù)集進行應(yīng)用,得出了以下結(jié)論:當(dāng)標(biāo)準差水平與兩種表現(xiàn)型下的均值之間的相差程度接近或較小時,GSCL能較為準確地檢驗出數(shù)據(jù)之間的差異性;當(dāng)標(biāo)準差較大時,本文方法會有一定的假陽性存在;對AML/
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于雙聚類的基因表達芯片分析.pdf
- 基于雙聚類方法分析基因表達數(shù)據(jù)的研究.pdf
- 基于基因表達微陣列數(shù)據(jù)集的加權(quán)雙向聚類算法研究.pdf
- 基于生成樹基因表達數(shù)據(jù)聚類方法分析.pdf
- 基于形式概念分析的搜索結(jié)果聚類研究.pdf
- 基于PSO的基因表達數(shù)據(jù)聚類研究.pdf
- 基于譜聚類方法的基因表達數(shù)據(jù)分析研究.pdf
- 基因表達數(shù)據(jù)分析的聚類算法研究.pdf
- 基因表達數(shù)據(jù)的聚類算法設(shè)計與分析.pdf
- 基于基因表達數(shù)據(jù)的雙聚類算法研究.pdf
- 基于基因共表達網(wǎng)絡(luò)的基因差異性表達分析.pdf
- 基于聚類方法的腦區(qū)基因共表達模式研究與分析.pdf
- 基于SOM基因聚類的基因數(shù)據(jù)組織樣本聚類.pdf
- 基于最大頻繁項集的搜索引擎查詢結(jié)果聚類方法.pdf
- 基于模糊理論的基因表達雙聚類算法研究.pdf
- 聚類算法分析在基因表達數(shù)據(jù)中的分析應(yīng)用.pdf
- 聚類算法分析在基因表達數(shù)據(jù)中的分析應(yīng)用
- 基于形式概念分析的Web搜索結(jié)果聚類方法的研究.pdf
- 基于高斯混合模型的基因表達數(shù)據(jù)聚類研究.pdf
- 基因表達數(shù)據(jù)的聚類算法研究.pdf
評論
0/150
提交評論