几种微阵列基因表达数据分析方法的比较.pdfVIP

维普资讯 第21卷第2期 哈 尔滨 商业 大 学 学报(自然科学版) 2O05年4月 JournalofHarbinUniversityofCommerce(NaturalSciencesEdition) Vo1．21No．2 Apr．2005 几种微阵列基因表达数据分析方法的比较 张 世 伟 (哈尔滨工业大学 计算机科学与技术学院，黑龙江 哈尔滨 150001) 摘 要：比较了微阵列基因表达数据处理中的几种方法，包括等级聚类、 —m伽 方法、模糊聚类和 自组织树．同时从算法中计算机的时空复杂度和结果的生物学意义两方面，对以上几种方法作 了细致 的讨论．结果显示，模糊聚类和 自组织树都是较理想的方法． 关键词：微阵列基因表达；等级聚类；K—mea|1s；模糊聚类；自组织树 中图分类号： 91 文献标识码 ：A 文章编号：1672一o946(2oo5)o2—0223—04 Comparisonofapproachesinmicroarraygeneexpressiondataanalysis ZHANG Shi—wei (SchoolofComputerScienceandTechnology，HarbinInstituteofTechnology，Harbin150001，China) Abstract：Thispapercomparessomeapproachesinmicroarraygeneexpressiondataanalysis，in— cludinghierarehicalclustering，K —means，fuzzyclusteringnadself-orgna izedtreefrom space nadtimecomplexityofalgorithmsnadbiologicalsignificnaceoftheirresults．Boht fuzzyclustering nadself-orgna izedtreemehtodsareideal relatively． KeywOrds：microarraygeneexpression；hierarchical clustering；K—menas；fuzzyclustering；eslf- organized DNA基因表达微阵列(GeneExpressionMicroar— 现，企图提取数据中隐含的类别结构．但是，聚类是 ray)实验的诞生足以给人类带来令人振奋的消息． 一 个模糊的概念，它没有一个准确的定义． 和传统的生物分析方法不同的是，该实验允许生物 在已有的聚类算法当中，等级聚类 (Hierarchi— 学家在基因组层次上研究任何种类细胞在任何时 calCluster)和 K—means方法是较早应用于基因表 间、任何给定条件下的基因表达模式 ．微阵列实验 达数据处理的，同时也是应用最广的2种方法．例 产生的数据将有助于人类更深入地认识诸多生物 如，来自Stanford的M·B·Eisen早在 1998年就实现 的本质，如基因功能、发育、癌症和药理等…．然而， 了这两种方法在微阵列数据处理中的应用，并成功 微阵列实验也给人们带来了一个巨大的挑战，那就 开发出Cluster系统 J．另外，处理工作还应包括可 是如何有效地利用实验中得到的数据． 视化b]，这样才能把聚类结果直观地展现在人们眼