基于表型以及微陣列數(shù)據(jù)的基因（型）分類技術(shù)研究.pdf

1、揚州大學(xué)博士學(xué)位論文基于表型以及微陣列數(shù)據(jù)的基因（型）分類技術(shù)研究姓名：肖靜申請學(xué)位級別：博士專業(yè)：作物遺傳育種指導(dǎo)教師：徐辰武200705014揚州大學(xué)博士學(xué)位論文度均可達到較理想水平(3)MSA還能夠有效的區(qū)分多性狀是受一個主基因控制還是受緊密連鎖的多個主基因控制(4)對遺傳力和樣本容量兩個影響主基因檢測功效的關(guān)鍵因素來說，其作用效果則是遺傳力明顯大于樣本容量以水稻雜交組合多蘗矮X中花ll的F2群體597個植株株高和分蘗數(shù)為例演示了

2、分析程序。結(jié)果表明該組合的株高和分蘗數(shù)受同一主基因控制。該主基因?qū)χ旮叩募有院惋@性效應(yīng)分別為213鋤和406cm，表現(xiàn)為超顯性；對分蘗數(shù)的加性和顯性效應(yīng)則分別為227和253，表現(xiàn)為接近完全顯性上述MSA不僅可以估計模型中的遺傳參數(shù)，而且可計算出每個個體屬于不同主基因基因型的后驗概率，因此，本研究提出根據(jù)個體的貝葉斯后驗概率進行個體分類的新方法，即一種基于模型的非監(jiān)督動態(tài)聚類方法。該方法同樣是以EM算法實現(xiàn)的極大似然估計方法實現(xiàn)各個類參

3、數(shù)估計，以個體所屬類別的貝葉斯后驗概率判別個體的歸類。模擬研究結(jié)果表明：(1)該方法通常既可無偏估計類參數(shù)又可根據(jù)各種模型的BIC值確定最佳分類個數(shù)，從而解決傳統(tǒng)動態(tài)聚類法類數(shù)難確定的問題(2)與重心法動態(tài)聚類(kmeans)和最小組內(nèi)平方和法(MinimumSquamSumWithinQ伽融MinSSw)動態(tài)聚類相比，穩(wěn)健性較高(3)通過提高判別標準，可以有效降低誤判率(MisclassifiedRate。MR)以Fisher的hig

4、試驗數(shù)據(jù)驗證了方法的可行性，分析結(jié)果表明基于似然函數(shù)極大為目標的非監(jiān)督動態(tài)聚類方法特別適于原始數(shù)據(jù)為高斯分布的數(shù)據(jù)聚類，其誤判率顯著低于加n∞ns和Minssw法。DNA微陣列技術(shù)是后基因組時代功能基因組研究的主要工具之一，它可以一次同對溯出不同實驗環(huán)境或不同組織的成千上萬個基因的表達水平將相似表達模式的基因聚在一個類中的基因聚類分析，是提取基因表達譜數(shù)據(jù)潛在生物學(xué)信息的有用工具，同時也是徽陣列數(shù)據(jù)分析中使用最為廣泛的一類方法聚類技術(shù)依