發(fā)布時(shí)間：2023-05-10 05:05

　　傳統(tǒng)的單聚類方法得到的是在所有實(shí)驗(yàn)條件下相似度高的基因集,而針對(duì)真實(shí)的基因表達(dá)數(shù)據(jù)來說,提取部分基因集在部分條件下高度相似的子矩陣更有意義。因?yàn)楫?dāng)考慮了所有的實(shí)驗(yàn)條件,有些本來相似的基因會(huì)因?yàn)橄嗨贫冗_(dá)不到閾值而不能處于同一個(gè)集合中,而且在真實(shí)的生物活動(dòng)中,基因可以參與多個(gè)生物活動(dòng),但并非在所有的條件下處于調(diào)控狀態(tài),所以將注意力集中在局部信息更有利于得到符合真實(shí)情況的信息。面對(duì)傳統(tǒng)單聚類的缺點(diǎn)產(chǎn)生了雙聚類分析方法。本文的主要研究工作是對(duì)雙聚類算法進(jìn)行改進(jìn),然后將算法運(yùn)用于基因表達(dá)數(shù)據(jù)去得到變化相關(guān)的雙聚類,最后從雙聚類中獲得信息和知識(shí)來幫助生物學(xué)研究。本文提出了一種新的雙聚類算法YUNIBIC。YUNIBIC的步驟主要分為以下幾步:首先根據(jù)原始矩陣構(gòu)建對(duì)應(yīng)的索引矩陣,并應(yīng)用最長公共子序列算法在索引矩陣行對(duì)之間來選擇滿足條件的基因構(gòu)成雙聚類種子;隨后添加相關(guān)行列來擴(kuò)展種子。最后,使用斯皮爾曼雙聚類評(píng)估方法(SBM)作為雙聚類質(zhì)量的評(píng)價(jià)函數(shù)來篩選最后的雙聚類作為輸出。本文提出構(gòu)建行為矩陣來進(jìn)行雙聚類相關(guān)行的添加,通過這種方法還可以添加與雙聚類具有負(fù)相關(guān)表達(dá)模式的行。此外,在面對(duì)基因表達(dá)數(shù)據(jù)這...

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 論文研究背景和意義
    1.2 雙聚類算法國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 論文的組織結(jié)構(gòu)
第2章 雙聚類
    2.1 雙聚類介紹
    2.2 雙聚類類型
    2.3 雙聚類結(jié)構(gòu)
    2.4 雙聚類算法評(píng)價(jià)方法
    2.5 本章小結(jié)
第3章 YUNIBIC算法介紹
    3.1 數(shù)據(jù)預(yù)處理
        3.1.1 數(shù)據(jù)分離
        3.1.2 數(shù)據(jù)重賦值
    3.2 種子的選取
    3.3 將種子擴(kuò)增為最終雙聚類種子
    3.4 添加行和列擴(kuò)展雙聚類
    3.5 篩選較優(yōu)的雙聚類
    3.6 本章小結(jié)
第4章 實(shí)驗(yàn)和討論
    4.1 模擬數(shù)據(jù)實(shí)驗(yàn)
        4.1.1 數(shù)據(jù)選擇
        4.1.2 數(shù)據(jù)驗(yàn)證方法
        4.1.3 參數(shù)選擇
        4.1.4 實(shí)驗(yàn)結(jié)果和討論
    4.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
        4.2.1 數(shù)據(jù)選擇
        4.2.2 數(shù)據(jù)驗(yàn)證方法
        4.2.3 參數(shù)選擇
        4.2.4 實(shí)驗(yàn)結(jié)果和討論
    4.3 本章小結(jié)
第5章 基于GTK+的YUNIBIC算法可視化界面設(shè)計(jì)
    5.1 GTK+介紹
    5.2 GTK+設(shè)計(jì)流程
        5.2.1 程序入口及初始化
        5.2.2 控件
        5.2.3 信號(hào)與回調(diào)函數(shù)
        5.2.4 編譯以及執(zhí)行
    5.3 Glade簡介
    5.4 YUNIBIC算法界面設(shè)計(jì)
        5.4.1 界面顯示模塊
        5.4.2 消息控制模塊
        5.4.3 功能實(shí)現(xiàn)模塊
    5.5 本章小結(jié)
第6章 結(jié)論與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者簡介
致謝



本文編號(hào)：3813089