10.11772/j.issn.1001-9081.2013.08.2188
相对行常量差异共表达双聚类挖掘算法
在生物信息学上,挖掘差异共表达双聚类有助于研究衰老、癌变类变化的生物过程.以往的差异共表达双聚类定义仅仅从一组基因的角度来衡量差异,导致包含了很多噪声.为了克服上述缺点提出新的差异共表达支持度MiSupport,可以将一组基因的差异细化到基因级别;并由此定义提出MiCluster算法,可以在两个真实的基因芯片数据中挖掘最大的差异共表达双聚类.MiCluster算法首先基于两个基因芯片数据构建差异共表达权值图,然后基于权值图,采用样本扩展和层次扩展,并利用精确的候选产生方法和高效的剪枝策略,挖掘出最大的差异共表达双聚类.实验结果证明,MiCluster算法比现有的算法快速高效,而且通过均方误差(MSE)测试和基因本体(GO)评价,挖掘出来结果具有更大的统计意义和生物学意义.
基因芯片、基因共表达、双聚类、差异、行常量
33
TP311(计算技术、计算机技术)
国家973计划项目2012CB316203;国家自然科学基金资助项目61272121
2013-10-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
2188-2193,2239