基于統(tǒng)計分析的微陣列數(shù)據挖掘技術.pdf

1、微陣列技術已經廣泛地應用于生物學和醫(yī)學等領域,它已經成為生物學研究中一種重要的實驗方法。微陣列的出現(xiàn)使得我們能夠在基因組范圍內同時研究大量基因的表達差異。一個典型的基因表達數(shù)據中含有數(shù)千或甚至數(shù)萬基因在幾個或幾十個不同條件下的表達豐度值。目前，各種不同的數(shù)據挖掘方法被應用于微陣列數(shù)據的分析研究，以揭示潛在的基因表達模式，對基因和樣本進行分類研究和解釋。本文主要采用三種基于統(tǒng)計學的方法來對微陣列數(shù)據進行分析。
　　聚類分析是一種對數(shù)

2、據進行分類的基本的統(tǒng)計方法。聚類得到的分組，一般是組內各成員在數(shù)學特征上彼此相似，但與其它組中的成員相似性較小。目前對基因的聚類分析的應用很多，但很少對微陣列數(shù)據聚類結果的有效性進行評估。采用不同的聚類方法，得到的結果可能相差很大，因此，很有必要對聚類結果進行評估，以選擇一個比較合適的聚類方法。本文細致地研究了不同的基因距離度量和不同的聚類有效性評估方法，結果表明，相關系數(shù)能夠很好地刻畫出基因表達譜之間的相似性，而各種不同的聚類有效性評

3、估方法均可對聚類研究進行指導。
　　主成分分析(PCA)往往用于多元數(shù)據的降維，以利于后續(xù)的分析任務或降低分析代價。PCA已經成為一種有效的微陣列數(shù)據分析方法。一個典型的微陣列數(shù)據，很難直接比較全部基因表達譜的差異，對大批量基因的分類也很難實現(xiàn)。本文采用一種基于主成分空間得分的基因選擇方法。把微陣列數(shù)據投影到主成分空間后，不僅能夠對選取的幾個主成分給予合理的生物學解釋，還有助于發(fā)現(xiàn)有意義的基因表達模式及相關的基因，這有助于基因周期

4、性表達研究和基因調控網絡研究。特別地，本文推薦首先將基因表達譜進行分塊，然后對各塊進行PCA分析，這樣可以防止某些特殊的基因表達模式被忽略掉,并且有助于找出相關的基因以便進一步地研究。
　　與PCA不同的是,獨立成分分析(ICA)對數(shù)據的分解，使得各成分之間相互盡可能地統(tǒng)計獨立，主要用于盲源分析(BSS)。本文采用線性ICA分析微陣列數(shù)據，提取出若干表達模式,它們分別代表著影響基因表達的某一潛變量。這些提取出來的模式與用PCA提取