近年來,單細(xì)胞RNA測序技術(shù)得到了廣泛的應(yīng)用。隨著技術(shù)的不斷發(fā)展,使人們能夠從中獲取到大量的單細(xì)胞基因表達(dá)數(shù)據(jù),為后期的研究以及生物信息學(xué)的探索奠定了良好的基礎(chǔ)。單細(xì)胞基因表達(dá)數(shù)據(jù)中蘊(yùn)藏著大量的生物基因信息,而如何從中分析出有意義的生物結(jié)論,揭示細(xì)胞基因間的奧秘成為了目前研究的焦點(diǎn),因此對(duì)單細(xì)胞RNA測序得到的數(shù)據(jù)進(jìn)行后續(xù)分析有著重要的意義。目前,聚類分析是研究該數(shù)據(jù)的重要分析手段,但因數(shù)據(jù)存在的dropout現(xiàn)象,導(dǎo)致聚類算法無法直接應(yīng)用于數(shù)據(jù)中,使得到的結(jié)果并不理想。故本文的研究目的是針對(duì)單細(xì)胞基因表達(dá)數(shù)據(jù)存在的dropout現(xiàn)象進(jìn)行聚類算法研究。本文研究了當(dāng)前主流的處理該數(shù)據(jù)的降維聚類算法,借鑒其思想并進(jìn)行改進(jìn),提出了一種符合數(shù)據(jù)特點(diǎn)、高效準(zhǔn)確的聚類算法。該算法的思想是將降維的思想與處理dropout問題相結(jié)合應(yīng)用到聚類分析中,把降維作為聚類的預(yù)處理步驟,在降維的過程中用改進(jìn)的距離度量、估算插補(bǔ)數(shù)據(jù)等方法解決dropout問題。在此基礎(chǔ)上,本文選擇符合數(shù)據(jù)分布的模型進(jìn)行聚類,并對(duì)聚類初始化的算法進(jìn)行改進(jìn),從而提高了算法的準(zhǔn)確性以及縮減了算法運(yùn)行時(shí)間。在實(shí)驗(yàn)驗(yàn)證部分,本文選取了兩套...

【文章頁數(shù)】：43 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 研究的目的及意義
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 本文的主要工作
第2章 預(yù)備知識(shí)
    2.1 PCA降維算法
    2.2 聚類分析算法
    2.3 EM算法
    2.4 本章小結(jié)
第3章 算法流程
    3.1 處理流程概述
    3.2 數(shù)據(jù)預(yù)處理
    3.3 基于余弦相似度的降維算法
        3.3.1 改進(jìn)降維算法的思想
        3.3.2 改進(jìn)降維算法實(shí)現(xiàn)
    3.4 細(xì)化初始值的聚類算法
        3.4.1 改進(jìn)聚類算法的思想
        3.4.2 改進(jìn)聚類算法實(shí)現(xiàn)
    3.5 本章小結(jié)
第4章 實(shí)證分析
    4.1 數(shù)據(jù)來源
    4.2 可視化與結(jié)果分析
    4.3 算法優(yōu)劣評(píng)價(jià)
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：3860910