基于時間滯后模式的基因表達數(shù)據(jù)聚類算法的研究與實現(xiàn).pdf

1、生物系統(tǒng)的復(fù)雜性使得基因之間的關(guān)系呈現(xiàn)出多樣化，其中一種關(guān)系為活化關(guān)系，即某些基因(調(diào)控基因)可能控制或活化別的基因(被調(diào)控基因)，這樣后者的表達將滯后于前者。通過比較基因隨時間變化的表達模式，我們便可以推斷出調(diào)控基因與被調(diào)控基因之間的關(guān)系，同時還可以解釋基因在細(xì)胞中的調(diào)控過程。 以前的研究工作主要研究基因在相同的時間子集中的表達模式，而具有活化關(guān)系的基因，其表達模式將在不同的時間子集中存在相似性，即這些基因的表達模式之間存在著

2、時間差，或者說一些基因的表達模式滯后于另一些基因。為了在微陣列數(shù)據(jù)集中找到這種模式，本文首先提出了一種稱為td-cluster(time-delayed cluster)的聚類模型，該模型定義了一種基于時間滯后的縮放(scaling)模式的聚類，同時td-cluster模型還可以很容易地擴展到時間滯后的平移(shifling)模式等其它模式。而當(dāng)前基于模式的雙聚類(biclustering)算法發(fā)現(xiàn)的在相同時間子集中的縮放模式或者平移模

3、式，只是td-cluster模型在滯后時間等于零時的特例。 為了發(fā)現(xiàn)符合td-cluster定義的聚類，本文設(shè)計了一種稱為TG-tree的數(shù)據(jù)結(jié)構(gòu)，然后實現(xiàn)了一種基于TG-tree的算法。初始TG-tree去除了數(shù)據(jù)集中的噪聲以及不相關(guān)信息，然后我們基于時間點來擴展TG-tree，從而使得搜索深度大大減小，因為在微陣列數(shù)據(jù)集中，時間點的數(shù)量遠(yuǎn)遠(yuǎn)小于基因的數(shù)量。同時，本文還運用了一些削減策略以提高算法效率，并將td-cluster