發(fā)布時間：2020-03-19 10:02

【摘要】：基因表達(dá)數(shù)據(jù)分析是生物信息學(xué)領(lǐng)域中的一個非常重要的研究方向。基因表達(dá)數(shù)據(jù)不僅包含了非常多基因活躍性的信息,還反映了細(xì)胞目前生理狀態(tài)。尋找基因表達(dá)之間的關(guān)聯(lián)關(guān)系可以發(fā)掘基因間的共同功能、交互關(guān)系和協(xié)同調(diào)控模式等。目前已有許多雙聚類算法被提出并應(yīng)用于挖掘基因表達(dá)數(shù)據(jù)的關(guān)聯(lián)信息。然而還存在不足的地方。第一,它們中很少有重視負(fù)關(guān)聯(lián)信息的算法。而負(fù)關(guān)聯(lián)信息非常重要,它含有許多隱藏的基因信息�；虮磉_(dá)數(shù)據(jù)中兩個正相關(guān)的基因的生物學(xué)意義有,兩個基因在特定條件下功能相同。而兩個負(fù)相關(guān)的基因的生物學(xué)意義有,兩個基因在特定條件下兩者其中一個起促進(jìn)作用,而另一個在同一條件下起抑制作用。正關(guān)聯(lián)信息與負(fù)關(guān)聯(lián)信息都對生物信息的研究富有意義。第二,領(lǐng)域中缺乏可以對解的質(zhì)量進(jìn)行約束,挖掘滿足具有一定尺寸的,包含負(fù)關(guān)聯(lián)信息的,且具有較強(qiáng)關(guān)聯(lián)性的要求的雙聚類解的算法。第三,隨著生物信息大數(shù)據(jù)時代的到來,對雙聚類算法的復(fù)雜度要求越來越高,而現(xiàn)有算法優(yōu)化不足。本文針對這些不足的地方提出了用于挖掘基因表達(dá)數(shù)據(jù)的基于多目標(biāo)的雙聚類算法(Multi-objective-based Bi-clustering Algorithm, MOBA),并且將MOBA進(jìn)行多線程優(yōu)化。主要研究工作如下：(1)本文提出了MOBA,其設(shè)計思想如下：第一步,為了消除數(shù)據(jù)間的偏差,需要將數(shù)據(jù)進(jìn)行預(yù)處理,具體做法是將數(shù)據(jù)進(jìn)行定性處理并劃分為上調(diào)、無作用和下調(diào)三類；第二步,在計算各個基因的最近鄰域之后,將各基因及其最近鄰域根據(jù)種子(用種子稱呼解)結(jié)構(gòu)的設(shè)計合并構(gòu)建初始種子,在構(gòu)建種子時需根據(jù)兩個基因的條件的吻合數(shù)判定兩個基因是負(fù)相關(guān)還是正相關(guān),初始種子構(gòu)成初始解集；第三步,計算各種子的最近鄰域,將其與其最近鄰域合并用以增加雙聚類的尺寸(種子擴(kuò)展),迭代循環(huán)第三步直到?jīng)]有種子需要擴(kuò)展為止；第四步,通過計算得到的種子的多目標(biāo)評價函數(shù)值篩選最終解。多目標(biāo)評價函數(shù)包含三個子目標(biāo)：第一個子目標(biāo)用于最大化雙聚類的尺寸；第二個是基于峰谷差的平均平方殘基,用以增加負(fù)關(guān)聯(lián)信息；第三個是皮爾森相關(guān)性系數(shù),用以加強(qiáng)關(guān)聯(lián)性。(2) MOBA算法結(jié)構(gòu)設(shè)計的最基本的框架為各個解尺寸的擴(kuò)展,即種子擴(kuò)展。該框架非常適合改造為多線程模式�？梢酝ㄟ^利用該框架的這種特性,將種子分布到各線程獨(dú)立運(yùn)行對MOBA進(jìn)行多線程化設(shè)計。這大大降低了時間復(fù)雜度。通過對酵母菌細(xì)胞周期數(shù)據(jù)集的實(shí)驗可以證明MOBA運(yùn)行較為穩(wěn)定可靠,條件聚類較好。MOBA可以發(fā)現(xiàn)基因表達(dá)數(shù)據(jù)中顯著性較強(qiáng)的基因關(guān)聯(lián)信息,并且同時包含正、負(fù)關(guān)聯(lián)信息。
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 岳峰;孫亮;王寬全;王永吉;左旺孟;;基因表達(dá)數(shù)據(jù)的聚類分析研究進(jìn)展[J];自動化學(xué)報;2008年02期

2 王祥林;;基于矩陣變換的層次聚類在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用研究[J];計算機(jī)光盤軟件與應(yīng)用;2012年24期

3 陸媛;楊慧中;;基于代表熵的基因表達(dá)數(shù)據(jù)聚類分析方法[J];計算機(jī)工程與應(yīng)用;2008年27期

4 繆苗;尚學(xué)群;劉加財;王淼;;從基因表達(dá)數(shù)據(jù)中挖掘最大的行常量雙聚類[J];計算機(jī)應(yīng)用研究;2011年12期

5 李小梅;郭紅;;基因表達(dá)數(shù)據(jù)的模糊聚類技術(shù)研究[J];信息系統(tǒng)工程;2010年11期

6 李穎新,劉全金,阮曉鋼;一種腫瘤基因表達(dá)數(shù)據(jù)的知識提取方法[J];電子學(xué)報;2004年09期

7 王鑫;蔣華;;基于改進(jìn)Multi-Agent系統(tǒng)的基因表達(dá)數(shù)據(jù)的分析與研究[J];計算機(jī)工程與設(shè)計;2008年09期

8 朱思峰;劉芳;柴爭義;;免疫聚類算法在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用[J];北京郵電大學(xué)學(xué)報;2010年02期

9 郭紅;蔡莉;;采用多目標(biāo)微分進(jìn)化算法的基因表達(dá)數(shù)據(jù)雙向聚類[J];小型微型計算機(jī)系統(tǒng);2010年10期

10 石玉;李慧敏;蘭社云;;基于稀疏極大邊界特征的癌癥基因表達(dá)數(shù)據(jù)分析[J];鄭州師范教育;2012年04期

相關(guān)會議論文 前1條

1 楊昆;李建中;王朝坤;徐繼偉;;基因表達(dá)數(shù)據(jù)的基于類別樹和SVMs的多類癌癥分類算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

相關(guān)博士學(xué)位論文 前8條

1 張煥萍;面向基因表達(dá)數(shù)據(jù)的致病基因挖掘方法研究[D];南京航空航天大學(xué);2009年

2 蔡瑞初;基因表達(dá)數(shù)據(jù)挖掘若干關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2010年

3 劉亞杰;基于智能優(yōu)化算法的腫瘤微陣列基因表達(dá)數(shù)據(jù)分類研究[D];云南大學(xué);2014年

4 陸慧娟;基于基因表達(dá)數(shù)據(jù)的腫瘤分類算法研究[D];中國礦業(yè)大學(xué);2012年

5 張麗娟;微陣列基因表達(dá)數(shù)據(jù)分類問題中的屬性選擇技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

6 毛志毅;基因表達(dá)數(shù)據(jù)基因篩選與近紅外光譜微量成分模型優(yōu)化方法研究[D];南開大學(xué);2014年

7 張琛;基因芯片數(shù)據(jù)處理與分析方法研究[D];吉林大學(xué);2011年

8 程慧杰;基于模式識別方法的基因表達(dá)數(shù)據(jù)分析研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 李科;EMD去噪算法研究及其在結(jié)腸癌基因表達(dá)數(shù)據(jù)集中的應(yīng)用[D];陜西師范大學(xué);2015年

2 田小龍;基于智能優(yōu)化計算的雙聚類算法研究[D];西安電子科技大學(xué);2014年

3 晉飛鳴;基于ELM的腫瘤基因表達(dá)數(shù)據(jù)分類算法研究[D];東北大學(xué);2013年

4 嚴(yán)晶;基因表達(dá)數(shù)據(jù)的合并雙向聚類算法[D];湘潭大學(xué);2015年

5 周靜;一種基于多維基因組數(shù)據(jù)的基因功能模塊的識別方法[D];黑龍江大學(xué);2015年

6 高雪峰;膜計算在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用[D];西華大學(xué);2015年

7 陳輝輝;基于基因表達(dá)數(shù)據(jù)的信息基因選擇研究[D];山東大學(xué);2016年

8 梁妍;基于多目標(biāo)的基因表達(dá)數(shù)據(jù)雙聚類算法的研究[D];廣西大學(xué);2016年

9 李靖;基于支持向量機(jī)的基因表達(dá)數(shù)據(jù)降維方法的研究[D];蘇州大學(xué);2011年

10 王海鵬;基因表達(dá)數(shù)據(jù)分析的若干問題研究[D];杭州電子科技大學(xué);2011年

，

本文編號：2590078