基于統(tǒng)計(jì)分析的微陣列數(shù)據(jù)挖掘技術(shù).pdf

1、微陣列技術(shù)已經(jīng)廣泛地應(yīng)用于生物學(xué)和醫(yī)學(xué)等領(lǐng)域,它已經(jīng)成為生物學(xué)研究中一種重要的實(shí)驗(yàn)方法。微陣列的出現(xiàn)使得我們能夠在基因組范圍內(nèi)同時(shí)研究大量基因的表達(dá)差異。一個(gè)典型的基因表達(dá)數(shù)據(jù)中含有數(shù)千或甚至數(shù)萬(wàn)基因在幾個(gè)或幾十個(gè)不同條件下的表達(dá)豐度值。目前，各種不同的數(shù)據(jù)挖掘方法被應(yīng)用于微陣列數(shù)據(jù)的分析研究，以揭示潛在的基因表達(dá)模式，對(duì)基因和樣本進(jìn)行分類(lèi)研究和解釋。本文主要采用三種基于統(tǒng)計(jì)學(xué)的方法來(lái)對(duì)微陣列數(shù)據(jù)進(jìn)行分析。
　　聚類(lèi)分析是一種對(duì)數(shù)

2、據(jù)進(jìn)行分類(lèi)的基本的統(tǒng)計(jì)方法。聚類(lèi)得到的分組，一般是組內(nèi)各成員在數(shù)學(xué)特征上彼此相似，但與其它組中的成員相似性較小。目前對(duì)基因的聚類(lèi)分析的應(yīng)用很多，但很少對(duì)微陣列數(shù)據(jù)聚類(lèi)結(jié)果的有效性進(jìn)行評(píng)估。采用不同的聚類(lèi)方法，得到的結(jié)果可能相差很大，因此，很有必要對(duì)聚類(lèi)結(jié)果進(jìn)行評(píng)估，以選擇一個(gè)比較合適的聚類(lèi)方法。本文細(xì)致地研究了不同的基因距離度量和不同的聚類(lèi)有效性評(píng)估方法，結(jié)果表明，相關(guān)系數(shù)能夠很好地刻畫(huà)出基因表達(dá)譜之間的相似性，而各種不同的聚類(lèi)有效性評(píng)

3、估方法均可對(duì)聚類(lèi)研究進(jìn)行指導(dǎo)。
　　主成分分析(PCA)往往用于多元數(shù)據(jù)的降維，以利于后續(xù)的分析任務(wù)或降低分析代價(jià)。PCA已經(jīng)成為一種有效的微陣列數(shù)據(jù)分析方法。一個(gè)典型的微陣列數(shù)據(jù)，很難直接比較全部基因表達(dá)譜的差異，對(duì)大批量基因的分類(lèi)也很難實(shí)現(xiàn)。本文采用一種基于主成分空間得分的基因選擇方法。把微陣列數(shù)據(jù)投影到主成分空間后，不僅能夠?qū)x取的幾個(gè)主成分給予合理的生物學(xué)解釋?zhuān)€有助于發(fā)現(xiàn)有意義的基因表達(dá)模式及相關(guān)的基因，這有助于基因周期

4、性表達(dá)研究和基因調(diào)控網(wǎng)絡(luò)研究。特別地，本文推薦首先將基因表達(dá)譜進(jìn)行分塊，然后對(duì)各塊進(jìn)行PCA分析，這樣可以防止某些特殊的基因表達(dá)模式被忽略掉,并且有助于找出相關(guān)的基因以便進(jìn)一步地研究。
　　與PCA不同的是,獨(dú)立成分分析(ICA)對(duì)數(shù)據(jù)的分解，使得各成分之間相互盡可能地統(tǒng)計(jì)獨(dú)立，主要用于盲源分析(BSS)。本文采用線性ICA分析微陣列數(shù)據(jù)，提取出若干表達(dá)模式,它們分別代表著影響基因表達(dá)的某一潛變量。這些提取出來(lái)的模式與用PCA提取