单基因扰动的自适应灰关联聚类算法-论文-万方医学网

单基因扰动的自适应灰关联聚类算法

二维码有效期 120s

收藏纠错

摘要随着人类基因组计划的完成，对基因功能的揭示成为后基因组时代的研究热点。而基因调控网络的研究正是从全局的变化中探索基因功能，研究基因之间的相互调控表达关系。研究基因调控网络的方法一般包括计算机方法和生物学方法。计算机方法包括聚类分析建立模型和通过“逆向工程”方法推断基因调控网络。其中聚类方法使用广泛，且已有方法较多，通过聚类找出具有相似功能，表达模式也相似的基因集合，这是研究基因调控网络的有效的重要得方法之一。生物学方法一般使用基因扰动实验，它通过操纵一个基因或其产物来控制基因活动，从中获得基因相互调控关系的信息，从而重构基因调控网络。由于生命组织的基因组规模巨大，而单个基因扰动一般需要1-3个月，且花费高昂，因此单基因扰动实验的对象一般为局部组织。单基因扰动实验采取全基因扰动方法，即每个参与实验的基因都进行一次扰动，一旦选取的实验基因数量过大，而其中存在一些对于构建基因调控网络没有太大影响的基因，就会造成实验成本的不必要上升和实验周期的无端增加。因此，甄别这些不必要基因成为降低实验成本、缩短试验周期的关键。本文在灰关联聚类方法的基础上提出了自适应参数灰关联聚类算法，将其与单基因扰动实验相结合，计算实验证明，该方法能有效减少不必要的扰动实验，在基本不影响基因调控网络构建的前提下，减少实验成本和缩短实验周期。