用于基因芯片数据分析的模块性图聚类方法

摘要：

图聚类是一种重要的聚类算法，可有效应用于蛋白质作用网络和芯片数据聚类等领域．文中针对现有基因芯片数据图聚类方法的不足，提出了一种基于模块性指标和子图平滑度的全局图聚类方法．为防止算法陷入局部最优解，引入子图平滑度的定义，打散每次聚类结果中产生的平滑度较低的子图，再对得到的单节点进行下一次聚类，经多次迭代后得到全局最优的聚类结果．采用一组基因组表达数据，将该方法和其他4种常用聚类方法（经典图聚类、k均值、SOM及Fuzzy算法）进行比较，结果表明：该方法在聚类过程中的平均类间重叠度和FOM′值总体上优于其他4种算法，在将数据集分类到最佳聚类数39时，其FOM′值分别比上述4种方法低28．41％、19．21％、9．84％和24．67％；其分类准确度高于Fuzzy法和SOM算法，算法执行效率则与SOM算法相近，比Fuzzy法高5．94％．

关键词：基因芯片、图聚类、模块性、平滑度、算法

分类号：Q811(生物工程学(生物技术))

资助基金：教育部中国网格计划生物信息网格平台子项目B12137040130

在线出版日期：2014-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：101-106