25787.基于bicluster的基因表達雙向關聯(lián)模式發(fā)現

1、r基于Bicluster的基因表達雙向關聯(lián)模式發(fā)現BicorrelationPatternDiscoveryofGeneExpressionBased011Bi—clusteringMethod學科專業(yè)：計算機應用技術研究生：沈進東指導教師：趙政教授天津大學計算機科學與技術學院二零一零年六月A／_、飛l苜摘要基因表達譜數據的分析研究對于生物學和生物信息學而言具有極其重要的意義，尤其是對基因功能與條件的關聯(lián)研究尤為重要。傳統(tǒng)的聚類方法是用

2、相似性度量函數確定基因的相似程度，從而將基因分組。然而在很多情況下，對基因的聚類需要找出在一部分實驗條件下表達水平上調或下調一致的基因組，即對基因進行聚類的同時對實驗條件也進行聚類，由此引出了雙向聚類問題。fiBicluster算法是基于MSR(最小均方殘差)理論和迭代貪心搜索策略的一種經典雙向聚類算法。在分析了該算法優(yōu)缺點的基礎之上，本文提出了ProBicluster算法。ProBicluster算法從兩個方面入手：針對雙向聚類模式單

3、一性問題，通過二部圖理論發(fā)現線性模式；針對交叉聚類問題，對結果進行二次聚類。并將算法在人工模擬數據集上測試，說明了ProBicluster算法改進的有效性。本文還實現了基于ProBicluster算法的數據分析平臺。對酵母菌細胞周期數據集進行基因與條件的雙向關聯(lián)分析。將ProBicluster與其他四種聚類算法同時應用到酵母菌細胞周期數據集上，利用基因通路和雙向聚類結果評價指標進行聚類結果比較及分析。評分結果表明，ProBicluste

4、r算法的相關系數評分均高于其他幾種算法，恢復系數評分與OPSM算法各有高低?？傮w說明ProBicluster算法具有良好的準確性和有效性。在NCISO數據集上對基因與藥物進行雙向關聯(lián)分析。利用ProBicluster算法進行雙向聚類分析得到聚類結果，并從基因和藥物兩個角度對實驗結果進行分析。利用通路對基因之間進行分析，同時從藥物類別、理化屬性等方面對藥物進行分析。經過文獻驗證發(fā)現，在子模式一中基因CCNDl對藥物Cisplatin具有抗