面向微阵列基因数据的基于PA指标双向聚类算法

doi:10.3969/j.issn.1006-2475.2014.12.003

计算机与现代化 ›› 2014, Vol. 0 ›› Issue (12): 11-14.doi: 10.3969/j.issn.1006-2475.2014.12.003

面向微阵列基因数据的基于PA指标双向聚类算法

（1.广东医学院信息工程学院，广东东莞 523808; 2.广东医学院公共卫生学院，广东东莞 523808）

收稿日期:2014-09-24 出版日期:2014-12-22 发布日期:2014-12-22
作者简介:林勤（1987-），男，广东揭阳人，广东医学院信息工程学院助理实验师，硕士研究生，研究方向：数据挖掘，并行计算; 林斯达（1992-），男，广东汕头人，广东医学院公共卫生学院本科生，研究方向：数据挖掘，生物信息学; 朱文敏(1992-)，男，广东河源人，本科生，研究方向：云计算，数据挖掘。
基金资助:
广东医学院面上基金资助项目(XK1330); 广东医学院大学生科研立项发明类重点项目(2012FZDI004); 广东医学院大学生科研立项社科类一般项目(2013SYDG009)

A Biclustering Algorithm Based on PA Index in Microarray Gene Expression Data

(1. School of Information Engineering, Guangdong Medical College, Dongguan 523808, China;
2. School of Public Health, Guangdong Medical College, Dongguan 523808, China)

Received:2014-09-24 Online:2014-12-22 Published:2014-12-22

摘要/Abstract

摘要： 针对目前双聚类算法很少考虑所得聚类结果整体的划分质量问题，提出一种基于PA指标的双聚类算法。该算法选定一种衡量所有簇划分效果的PA指标来构造双聚类的模型，运用启发式贪心策略，通过迭代增删行列的方式挖掘出划分效果较高的几个双聚类。将所提算法与CC、FLOC算法进行算法性能的比较。实验结果表明，该算法能获得更好的结果。这说明该算法更能挖掘出具备既有统计意义又有生物意义的局部模式。

关键词: PA指标, 双聚类, GO分析, 微阵列基因数据

Abstract: To improve the global quality of the outcome of the biclustering, a biclustering algorithm based on PA index was proposed. In this algorithm, the PA index which can estimate the effect of outcome of the biclustering was chosen to construct the bicluster model. Through deleting or inserting rows and columns in the heuristic greedy fashion, the algorithm obtained the significant biclusters of high global quality. To compare the performance of the algorithm with CC and FLOC, a real dataset experiment was simulated. The result shows that the algorithm in this paper can obtain better results. In a word, the algorithm is capable of detecting potentially statistically and biologically significant biclusters.

Key words: PA index, biclustering, GO analysis, microarray gene expression data

中图分类号:

TP391

林勤1，林斯达2，朱文敏1. 面向微阵列基因数据的基于PA指标双向聚类算法[J]. 计算机与现代化, 2014, 0(12): 11-14.

LIN Qin1, LIN Si-da2, ZHU Wen-min1. A Biclustering Algorithm Based on PA Index in Microarray Gene Expression Data[J]. Computer and Modernization, 2014, 0(12): 11-14.

参考文献

[1] Cheng Yizong, Church G M. Biclustering of expression data[C]// Proceedings of the 8th International Conference on Intelligent Systems for Molecular Biology. 2000:93-103.

[2] Yang Jiong, Wang Wei. Enhanced biclustering on gene expression data[C]// Proceedings of the 3rd IEEE Conference on Bioinformatics and Bioengineering. 2003:321-327.

[3] 朱娴,许建华. 基于模拟退火粒子群优化的基因数据双聚类算法[J]. 计算机与应用化学, 2013,30(1):93-96.

[4] 王常武,刘楠楠,贾永伟,等. 应用于癌症基因表达数据的OMB双向聚类算法[J]. 计算机工程与应用, 2011,47(28):237-240.

[5] 胡云,苗夺谦,王睿智,等. 一种基于粗糙k均值的双聚类算法[J]. 计算机科学, 2007,34(11):174-177.

[6] 闫雷鸣,孙志挥. 一种基于二次互信息的双聚类算法[J]. 计算机工程与应用, 2006,42(22):158-160.

[7] Zhang Ya, Zha Hongyuan, Chu C H. A time-series biclustering algorithm for revealing co-regulated genes[C]// Proceedings of the 5th IEEE International Conference on Information Technology: Coding and Computing. 2005:32-37.

[8] 杨蜜静,尚学群,许涛,等. 面向时序基因表达数据的双聚类算法[J]. 计算机应用研究, 2013,30(8):2308-2314.

[9] 林勤,薛云. 双聚类算法在电信高价值客户细分的应用[J]. 计算机应用, 2014,34(6):1807-1811.

[10] Ashburner M, Ball C A, Blake J A, et al. Gene ontology: Tool for the unification of biology[J]. Nature Genetics, 2000,25(1):25-29.

[11] David Martin, Christine Brun, Elisabeth Remy, et al. GOToolBox: Functional analysis of gene datasets based on gene ontology[J]. Genome Biology, 2004,5(12):R101.

[12] Zeeberg B R, Feng Weimin, Wang G, et al. GoMiner: A resource for biological interpretation of genomic and proteomic data[J]. Genome Biology, 2003,4(4):R28.

[13] Fadhl Al-Akwaa, Yasser Kadah. An automatic gene ontology software tool for bicluster and cluster comparisons[C]// Proceedings of the 2009 IEEE Symposium on Computational Intelligence in Bioinformatics and Computational Biology. 2009.

[14] Shamir R, Maron-Katz A, Tanay A, et al. Expander: An integrative program suite for microarray data analysis[J]. BMC Bioinformatics, 2005,6: Article Number 232.

[15] Barkow S, Bleuler S, Prelic A, et al. BicAT: A biclustering analysis toolbox[J]. Bioinformatics, 2006,22(10):1282-1283.

[16] Mitra S, Banka H. Multi-objective evolutionary biclustering of gene expression data[J]. Pattern Recognition, 2006,39(12):2464-2477.

[17] Liu Junwan, Li Zhoujun, Liu Feifei, et al. Multi-objective particle swarm optimization biclustering of microarray data[C]// Proceedings of the 2008 IEEE International Conference on Bioinformatics and Biomedicine. 2008:363-366.

面向微阵列基因数据的基于PA指标双向聚类算法

A Biclustering Algorithm Based on PA Index in Microarray Gene Expression Data

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	何思达, 陈平华. 基于意图的轻量级自注意力序列推荐模型[J]. 计算机与现代化, 2024, 0(12): 1-9.
[2]	郑久超, 赵新元. 基于主题与描述信息的实体链接方法[J]. 计算机与现代化, 2024, 0(12): 10-14.
[3]	赵晨阳, 薛涛, 刘俊华. 基于改进Stable Diffusion的时尚服饰图案生成[J]. 计算机与现代化, 2024, 0(12): 15-23.
[4]	黄庭培1, 马禄彪1, 李世宝2, 刘建航1. 基于WiFi和原型网络的手势识别方法[J]. 计算机与现代化, 2024, 0(12): 34-39.
[5]	刘云海1, 冯广1, 吴晓婷2, 杨群2. 复杂施工场景下的安全帽佩戴检测算法[J]. 计算机与现代化, 2024, 0(12): 66-71.
[6]	王艳媛, 茅正冲. 中英文场景文本图像的检测和识别算法[J]. 计算机与现代化, 2024, 0(12): 84-90.
[7]	张昆1, 张永伟1, 吴永城1, 张笑文2, 翟世臣2. 基于大模型的设备故障知识图谱自动构建方法[J]. 计算机与现代化, 2024, 0(11): 46-53.
[8]	张志霞, 秦志毅. 基于变分模态分解和IGJO-SVR的网络舆情预测[J]. 计算机与现代化, 2024, 0(11): 77-83.
[9]	万鸿炜, 陈平华. 基于Involution算子和协调反向注意力的息肉图像分割[J]. 计算机与现代化, 2024, 0(11): 84-90.
[10]	张宇1, 2, 黎靖1, 2, 马铭1, 2, 王众祥1, 2, 孙妍1, 2. YOLOLW:一个新的轻量级目标检测模型[J]. 计算机与现代化, 2024, 0(11): 91-98.
[11]	董玉玟. 基于改进YOLOv7-tiny的多尺度运动目标检测算法[J]. 计算机与现代化, 2024, 0(11): 99-105.
[12]	祁贤, 刘大铭, 常佳鑫. 基于改进自注意力机制的多视图三维重建[J]. 计算机与现代化, 2024, 0(11): 106-112.
[13]	陈凯1, 李宜汀1, 2, 全华凤1 . 基于改进YOLOv8的河道废弃瓶检测方法[J]. 计算机与现代化, 2024, 0(11): 113-120.
[14]	杨庆五, 罗小辉, 刘鑫. 基于Edge Drawing的工业图像圆检测算法[J]. 计算机与现代化, 2024, 0(11): 121-126.
[15]	周安达, 唐超颖. 雨天道路场景语义分割算法及其移动端部署[J]. 计算机与现代化, 2024, 0(10): 7-13.