時序基因表達數(shù)據(jù)的建模分析及應用.pdf

1、隨著DNA芯片技術的廣泛應用，基因表達數(shù)據(jù)分析已成為生命科學的研究熱點。DNA微陣列技術是一種研究細胞中基因表達模式的非常有效的技術。這種技術而臨的主要挑戰(zhàn)是如何分析由此產生的大量基因表達數(shù)據(jù)。最近，一種新的基因表達數(shù)據(jù)--時序基因表達數(shù)據(jù)受到了越來越多的重視。時序基因表達數(shù)據(jù)根據(jù)細胞循環(huán)過程，在不同時間點對各基因采集相關數(shù)據(jù)。目前，雖然已有多種算法可以對時序基因表達數(shù)據(jù)進行聚類分析(如k均值聚類方法、層次聚類方法，基于統(tǒng)計模型的聚類方

2、法等)，但這些方法通常把時序基因表達數(shù)據(jù)看作是普通的多維空間向量，數(shù)據(jù)中時間上的自關聯(lián)信息完全被忽視，不能有效影響到聚類的最終結果。 本文研究目的是為了探索新的時序基因表達數(shù)據(jù)聚類算法，并提出了一組基于自回歸模型的動態(tài)聚類算法。文中網(wǎng)顧了當前主要的聚類分析技術以及評價聚類效果的評價算法，簡要介紹了時序基因表達數(shù)據(jù)。本論文重點是：(一)建立了一種改進的基于自回歸模型和貝葉斯后驗概率的動態(tài)聚類分析算法，闡述了應用該算法進行時序基因表

3、達數(shù)據(jù)聚類分析的原理和方法；(二)建立了一種基于自回歸模型的模糊動態(tài)聚類分析算法，闡述了應用該算法進行時序基因表達數(shù)據(jù)聚類分析的原理和方法。針對原始動態(tài)聚類分析中儀利用類條件概率密度(也稱似然度)的問題，根據(jù)貝葉斯理論，提出了改進的基于貝葉斯后驗概率的聚類算法。同時結合模糊理論，提出了模糊動態(tài)聚類分析算法，利用模糊隸屬度來調節(jié)自回歸模型的動態(tài)預測過程，克服了原始聚類算法中自回歸模型中自回歸階數(shù)p=1的局限性。本文最后還利用回歸技術對時序