计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
8期
2188-2193,2239
,共7页
基因芯片%基因共表达%双聚类%差异%行常量
基因芯片%基因共錶達%雙聚類%差異%行常量
기인심편%기인공표체%쌍취류%차이%행상량
gene chip%gene co-expression%bicluster%differential%constant row
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.
在生物信息學上,挖掘差異共錶達雙聚類有助于研究衰老、癌變類變化的生物過程.以往的差異共錶達雙聚類定義僅僅從一組基因的角度來衡量差異,導緻包含瞭很多譟聲.為瞭剋服上述缺點提齣新的差異共錶達支持度MiSupport,可以將一組基因的差異細化到基因級彆；併由此定義提齣MiCluster算法,可以在兩箇真實的基因芯片數據中挖掘最大的差異共錶達雙聚類.MiCluster算法首先基于兩箇基因芯片數據構建差異共錶達權值圖,然後基于權值圖,採用樣本擴展和層次擴展,併利用精確的候選產生方法和高效的剪枝策略,挖掘齣最大的差異共錶達雙聚類.實驗結果證明,MiCluster算法比現有的算法快速高效,而且通過均方誤差(MSE)測試和基因本體(GO)評價,挖掘齣來結果具有更大的統計意義和生物學意義.
재생물신식학상,알굴차이공표체쌍취류유조우연구쇠로、암변류변화적생물과정.이왕적차이공표체쌍취류정의부부종일조기인적각도래형량차이,도치포함료흔다조성.위료극복상술결점제출신적차이공표체지지도MiSupport,가이장일조기인적차이세화도기인급별；병유차정의제출MiCluster산법,가이재량개진실적기인심편수거중알굴최대적차이공표체쌍취류.MiCluster산법수선기우량개기인심편수거구건차이공표체권치도,연후기우권치도,채용양본확전화층차확전,병이용정학적후선산생방법화고효적전지책략,알굴출최대적차이공표체쌍취류.실험결과증명,MiCluster산법비현유적산법쾌속고효,이차통과균방오차(MSE)측시화기인본체(GO)평개,알굴출래결과구유경대적통계의의화생물학의의.
