换一批基于矩阵分解技术的显著基因提取及基因表达数据分析
Significant Genes Extraction and Analysis of Gene Expression Data Based on Matrix Factorization Techniques
摘要基因之间存在多种多样的表达调控活动,一般认为这些调控关系隐含在基因表达谱中.因此,可以根据基因表达数据对基因调控状态进行建模,以挖掘具有生物学意义的信息及隐含在其中的基因调控关系.本文分别利用独立成分分析(ICA)和非负矩阵分解(NMF)这两种无监督矩阵分解技术对阿尔茨海默病(AD)基因表达数据进行显著基因提取及基因调控网络的构建,通过生物学分析,探讨了两种不同矩阵分解技术在挖掘潜在致病基因上的作用,通过结合两种方法所提取的显著基因的生物学分析,体现了炎症反应在AD致病机制中的重要作用,为AD早期诊断、致病机制研究及基因生物标志物的探寻提供了有益的方法.
更多相关知识
关键词
矩阵分解微阵列基因表达数据独立成分分析非负矩阵分解阿尔茨海默病matrix factorizationmicroarray gene expression dataindependent component analysisnonnegative matrix factorizationAlzheimer's disease
分类号
Q343.1（遗传学分支学科）
栏目名称
DOI
10.7507/1001-5515.20140124
发布时间
2014-08-11（万方平台首次上网日期，不代表论文的发表时间）
- 浏览20
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
