一种在基因表达数据集中全局检测共调控基因的双聚类方法
用双聚类方法在基因表达数据中检测共调控基因是目前生物信息学研究的热点之一.相关模式双聚类(correlated pattern biclusters,CPB)算法克服了已有算法检测双聚类模式单一的缺陷.作者在CPB算法的基础上,提出在数据集全局范围内检测高相关双聚类结果的算法——改进的相关双聚类算法(improved correlation biclustering algorithm,ICBA),首先随机生成Seed基因集来初始化候选双聚类,然后分别用皮尔逊相关系数和平均绝对误差,对基因集和条件集交替优化,最后通过计算双聚类之间的重叠度来过滤结果.在酵母菌数据集和人类B细胞淋巴瘤表达数据集上,将ICBA与CPB等其他算法进行比较,验证了ICBA的有效性和优越性.
双聚类、基因表达、平均绝对误差、重叠度控制、共调控基因
28
Q61(理论生物物理学)
2013-01-26(万方平台首次上网日期,不代表论文的发表时间)
共12页
923-934