本站原创
摘要：随着近年来生物高通量技术的进展，基因微阵列数据呈指数增加走势，如何有效地以这些海量的数据中提取有价值的信息显得尤为重要。在微阵列数据剖析时，传统的聚类浅析是一个很重要的工具，但它们有着着一定的不足：1）传统的聚类策略只适合实验条件比较少的数据集，因为这些算法是在所有的实验条件下进行基因的聚类；2）传统的聚类策略生成的类之间没有重叠，一个基因最多只能出现在一个聚类结果中，由此难以识别那些参与多个功能的基因。针对这些不足，很多探讨者提出了一个改善的聚类思想：双聚类算法。目前已有很多识别bicluster的双聚类算法不断地被探讨和运用。Bicluster中的基因在某些实验条件下有着相似的表达方式，甚至是参与相似的功能历程。然而，不同的双聚类算法会生成不同的bicluster，进而会产生不同生物学作用的浅析结果。由此，对于这些双聚类算法的比较和检验显得尤为重要。在此探讨中，我们选择了五种不同的双聚类算法（BIMAX，FABIA，ISA，QUBIC和SAmba）和两组维数不同的拟南芥表达数据集（GDS1620和pathway），来比较这些算法的生物学体现。GO（Gene Ontology）注释和PPI（Protein-Protein Interaction）网络被用来检验这些算法生成的bicluster的生物学作用。为了客观、量化地比较各bicluster的作用和不同算法的体现，我们在探讨中提出了两种打分策略：加权富集（WE）得分和蛋白质-蛋白质互作（PPI）得分。对于每一种打分策略，通过把所有的bicluster按照得分大小综合到一个统一的排序中，我们可以很直观地浅析出这些双聚类算法的体现。WE和PPI这两种打分策略在验证bicluster的生物学作用时都被证明是有效的。两种策略得到的得分之间已被检验到有着显著的正相关，这也印证了这两种策略的一致性。对于这五种双聚类算法的检验和比较显示：（1）对于数据集GDS1620，ISA是五种算法中最有效的一个；对于数据集pathway，BIMAX的体现要优于其他四种算法；（2）ISA和BIMAX这两种算法都具有数据依赖性，前者不太适合基因数小的数据集，后者更适用于实验条件更多的数据集；（3）FAIBA和QUBIC在本探讨中体现的都不理想，或许它们更适合具有大量基因和大量实验条件的数据集；（4）SAMBA算法没有显著的数据依赖性，因为它在两个给定的数据集中体现的都不错。这些结果信息能够指导探讨者们根据自己的数据集选择合理的算法。关键词：基因表达数据浅析论文双聚类论文GO注释论文蛋白质互作网络论文
摘要5-6
ABSTRACT6-9
第一章 文献综述9-14
1.1 探讨的背景9-11
1.2 探讨的作用11-12
1.3 国内外探讨近况12-13
1.4 探讨的思路与内容13-14
第二章 材料与策略14-22
2.1 数据的收集14-15
2.2 算法的选择15-18
2.2.1 BIMAX 算法16
2.2.2 FABIA 算法16-17
2.2.3 ISA 算法17
2.2.4 QUBIC 算法17
2.2.5 SAMBA 算法17-18
2.3 Gene Ontology 加权富集打分策略18-20
2.4 PPI 网络打分策略20-22
第三章 结果浅析22-28
3.1 比较 bicluster 的个数23
3.2 功能富集浅析23-24
3.3 PPI 网络浅析24-25
3.4 与随机基因分组的比较25-26
3.5 WE 得分与 PPI 得分的相关性浅析26
3.6 结论26-28
第四章 讨论与展望28-29