基因表達數(shù)據(jù)加權(quán)模糊聚類算法研究.pdf

1、隨著基因芯片技術(shù)的廣泛應(yīng)用，基因表達數(shù)據(jù)呈爆炸式增長，如何從該海量數(shù)據(jù)中獲取有生物學(xué)意義的信息已成為生物信息學(xué)研究的熱點。功能相近的基因通常具有相似的表達模式，因此，可以通過相似表達模式的發(fā)掘來預(yù)測基因的功能。聚類算法在處理基因表達數(shù)據(jù)時，可以將具有相似表達模式的基因聚為一類，據(jù)此推測基因的功能和發(fā)現(xiàn)基因間的相互關(guān)系。但是，基因間的相互關(guān)系非常復(fù)雜:基因往往具有多種功能、參與多個過程，從而基因表達數(shù)據(jù)是“高度關(guān)聯(lián)的”，類簇也是高度交叉的

2、，一個類簇可以嵌入另一個類簇中。硬聚類的單一劃分忽略了這一多樣性，所以常采用模糊聚類分析來進行基因表達數(shù)據(jù)研究。
　　 傳統(tǒng)的模糊聚類算法本身是一種主觀性非常強的算法，且不考慮基因表達數(shù)據(jù)各維屬性對聚類的不同貢獻。選擇不同的聚類算法，或者對一種聚類算法設(shè)定不同的起始點或簇數(shù)，都會導(dǎo)致不同的聚類結(jié)果。由于數(shù)據(jù)集可能來自不同的觀測角度和觀測人員，以及不同樣本存在的關(guān)鍵性基因、關(guān)鍵性條件和噪音的差異，使得基因表達數(shù)據(jù)各維屬性對聚類的貢

3、獻是不同的，若不考慮這種差異將會影響到聚類的精度。另外，傳統(tǒng)的模糊聚類算法不考慮基因之間的相互關(guān)聯(lián)性，使得聚類結(jié)果不具備很好的生物學(xué)意義。因此，需要進一步對算法進行改進。
　　 針對目前基因表達數(shù)據(jù)模糊聚類分析中存在的問題，本文主要做了如下兩部分工作:第一部分，首先引入一種數(shù)據(jù)集預(yù)處理方法，主要目的是解決FCM算法應(yīng)用于基因表達數(shù)據(jù)分析時存在的初始值敏感性和參數(shù)依賴性問題。預(yù)處理算法基于類間熵尋找數(shù)據(jù)集的實際分類數(shù)目和代表點，并