基因表达时序数据聚类和比对分析方法研究

论文摘要

cDNA微阵列和寡核苷酸芯片等高通量检测技术的成熟应用,产生了大量的基因表达数据,其中包括静态数据和时序数据。基因表达时序数据反映了生物基因在时间进程上的特性,对其进行分析可以获得基因的功能和调控关系等重要信息。如何分析这些数据是目前生物信息学研究要解决的重要问题。本论文研究基因表达时序数据的聚类和比对分析方法,主要完成了以下一些具体的研究工作:1.建立了基于隐马尔可夫模型的基因表达时序数据层次聚类方法,将数据映射到模型空间以利用基因表达时序数据的时间特性,并采用层次聚类策略对模型聚类以适用于高通量基因表达时序数据的聚类分析;2.提出了缩短动态时间规整比对分析方法,采用局部比对方式对基因表达时序数据进行比对,并通过限制比对区域减小计算量,较好地解决了表达速度不同的基因表达序列的比对问题,提高了比对的准确率;3.提出了基于B样条曲线曲率的基因表达时序数据比对方法,首先通过B样条曲线对离散的基因表达时序数据进行拟合,然后对拟合出的基因表达曲线利用改进的曲率进行相似性测度,从而克服了基因表达时序数据离散性的缺陷;4.分别在出芽酵母菌数据等基因表达时序数据集上对提出的聚类和比对分析方法进行实验,验证了方法的有效性。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.3 论文研究内容及篇章结构
• 第二章 基因表达时序数据及其分析
• 2.1 基因表达时序数据
• 2.1.1 数据获取
• 2.1.2 数据预处理
• 2.2 基因表达时序数据分析
• 2.2.1 单基因层次
• 2.2.2 多基因层次
• 2.2.3 网络层次
• 2.3 本章小结
• 第三章 基于隐马尔可夫模型的层次聚类分析
• 3.1 隐马尔可夫模型
• 3.1.1 基本原理
• 3.1.2 基本算法
• 3.2 基于隐马尔可夫模型的层次聚类
• 3.2.1 数据转换和建模
• 3.2.2 算法步骤
• 3.3 实验设计与结果分析
• 3.3.1 实验数据
• 3.3.2 聚类评价标准
• 3.3.3 实验结果
• 3.4 本章小结
• 第四章 缩短动态时间规整比对分析
• 4.1 基因表达时序数据比对
• 4.2 动态时间规整比对
• 4.3 缩短动态时间规整比对
• 4.4 实验设计及结果分析
• 4.4.1 实验数据
• 4.4.2 实验结果
• 4.5 本章小结
• 第五章 基于B 样条曲线曲率的比对分析
• 5.1 B 样条
• 5.1.1 B 样条基函数
• 5.1.2 B 样条曲线
• 5.2 基于曲线曲率的比对方法
• 5.2.1 数据拟合
• 5.2.2 拟合曲线比对
• 5.2.3 算法步骤
• 5.3 实验设计及结果分析
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 研究内容总结
• 6.2 未来工作展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢