计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2006年
5期
176-178,206
,共4页
微阵列%基因表达谱%聚类
微陣列%基因錶達譜%聚類
미진렬%기인표체보%취류
微阵列技术是后基因组时代功能基因组研究的主要工具.基因表达谱数据的聚类分析对于研究基因功能和基因调控机制有重要意义.针对聚类算法要求事先确定簇的个数、对噪声敏感和可伸缩性差的问题,基于密度聚类算法DBSCAN和共享近邻Shared Nearest Neighbors(SNN)的不同的特点,提出了一种新的最近邻先吸收的聚类算法,将其应用于一个公开的酵母细胞同期数据集,并用评价方法FOM将聚类结果与K-means聚类方法的结果进行了比较.结果表明,该文的聚类算法优于其他聚类算法,聚类结果具有明显的生物学意义,并能对数据的类别数作出较好的预测和评估.
微陣列技術是後基因組時代功能基因組研究的主要工具.基因錶達譜數據的聚類分析對于研究基因功能和基因調控機製有重要意義.針對聚類算法要求事先確定簇的箇數、對譟聲敏感和可伸縮性差的問題,基于密度聚類算法DBSCAN和共享近鄰Shared Nearest Neighbors(SNN)的不同的特點,提齣瞭一種新的最近鄰先吸收的聚類算法,將其應用于一箇公開的酵母細胞同期數據集,併用評價方法FOM將聚類結果與K-means聚類方法的結果進行瞭比較.結果錶明,該文的聚類算法優于其他聚類算法,聚類結果具有明顯的生物學意義,併能對數據的類彆數作齣較好的預測和評估.
미진렬기술시후기인조시대공능기인조연구적주요공구.기인표체보수거적취류분석대우연구기인공능화기인조공궤제유중요의의.침대취류산법요구사선학정족적개수、대조성민감화가신축성차적문제,기우밀도취류산법DBSCAN화공향근린Shared Nearest Neighbors(SNN)적불동적특점,제출료일충신적최근린선흡수적취류산법,장기응용우일개공개적효모세포동기수거집,병용평개방법FOM장취류결과여K-means취류방법적결과진행료비교.결과표명,해문적취류산법우우기타취류산법,취류결과구유명현적생물학의의,병능대수거적유별수작출교호적예측화평고.