基于多目標(biāo)的基因表達(dá)數(shù)據(jù)雙聚類算法的研究.pdf

1、基因表達(dá)數(shù)據(jù)分析是生物信息學(xué)領(lǐng)域中的一個(gè)非常重要的研究方向?；虮磉_(dá)數(shù)據(jù)不僅包含了非常多基因活躍性的信息，還反映了細(xì)胞目前生理狀態(tài)。尋找基因表達(dá)之間的關(guān)聯(lián)關(guān)系可以發(fā)掘基因間的共同功能、交互關(guān)系和協(xié)同調(diào)控模式等。
　　目前已有許多雙聚類算法被提出并應(yīng)用于挖掘基因表達(dá)數(shù)據(jù)的關(guān)聯(lián)信息。然而還存在不足的地方。第一，它們中很少有重視負(fù)關(guān)聯(lián)信息的算法。而負(fù)關(guān)聯(lián)信息非常重要，它含有許多隱藏的基因信息?；虮磉_(dá)數(shù)據(jù)中兩個(gè)正相關(guān)的基因的生物學(xué)意義有

2、，兩個(gè)基因在特定條件下功能相同。而兩個(gè)負(fù)相關(guān)的基因的生物學(xué)意義有，兩個(gè)基因在特定條件下兩者其中一個(gè)起促進(jìn)作用，而另一個(gè)在同一條件下起抑制作用。正關(guān)聯(lián)信息與負(fù)關(guān)聯(lián)信息都對(duì)生物信息的研究富有意義。第二，領(lǐng)域中缺乏可以對(duì)解的質(zhì)量進(jìn)行約束，挖掘滿足具有一定尺寸的，包含負(fù)關(guān)聯(lián)信息的，且具有較強(qiáng)關(guān)聯(lián)性的要求的雙聚類解的算法。第三，隨著生物信息大數(shù)據(jù)時(shí)代的到來(lái)，對(duì)雙聚類算法的復(fù)雜度要求越來(lái)越高，而現(xiàn)有算法優(yōu)化不足。本文針對(duì)這些不足的地方提出了用于挖掘

3、基因表達(dá)數(shù)據(jù)的基于多目標(biāo)的雙聚類算法(Multi-objective-based Bi-clustering Algorithm，MOBA)，并且將MOBA進(jìn)行多線程優(yōu)化。主要研究工作如下:
　　(1)本文提出了MOBA，其設(shè)計(jì)思想如下:
　　第一步，為了消除數(shù)據(jù)間的偏差，需要將數(shù)據(jù)進(jìn)行預(yù)處理，具體做法是將數(shù)據(jù)進(jìn)行定性處理并劃分為上調(diào)、無(wú)作用和下調(diào)三類;第二步，在計(jì)算各個(gè)基因的最近鄰域之后，將各基因及其最近鄰域根據(jù)種子（用種

4、子稱呼解）結(jié)構(gòu)的設(shè)計(jì)合并構(gòu)建初始種子，在構(gòu)建種子時(shí)需根據(jù)兩個(gè)基因的條件的吻合數(shù)判定兩個(gè)基因是負(fù)相關(guān)還是正相關(guān)，初始種子構(gòu)成初始解集;第三步，計(jì)算各種子的最近鄰域，將其與其最近鄰域合并用以增加雙聚類的尺寸（種子擴(kuò)展），迭代循環(huán)第三步直到?jīng)]有種子需要擴(kuò)展為止;第四步，通過(guò)計(jì)算得到的種子的多目標(biāo)評(píng)價(jià)函數(shù)值篩選最終解。多目標(biāo)評(píng)價(jià)函數(shù)包含三個(gè)子目標(biāo):第一個(gè)子目標(biāo)用于最大化雙聚類的尺寸;第二個(gè)是基于峰谷差的平均平方殘基，用以增加負(fù)關(guān)聯(lián)信息;第三個(gè)是