基于关系的DNA微阵列数据聚类分析

基于关系的DNA微阵列数据聚类分析作者：王文俊学位授予单位：西安电子科技大学参考文献(42条)1.DrJacquesRougemont.DrPascalHingampDNAMicroarrayDataandContextualAnalysisofCorrelationGraphs20032.ChoRJ.CampbellMJ.WinzelerEAAgenome-widetranscriptionalanalysisofthemitoticcellcycle1998(01)3.李伍举基因表达谱的生物信息学[期刊论文]-军事医学科学院院刊2002(1)4.PierreB.AnthonyDLABayesianframeworkfortheanalysisofmicroarrayexpressiondata:regularizedt-testandstatisticalinferencesofgenechanges2001(06)5.刘月明.张蔚.刘海荣基因表达数据分析[期刊论文]-国外医学(生物医学工程分册)2001(6)6.GolubTR.SlonimDK.TamayoPMolecularclassificationofcancer:classdiscoveryandclasspredictionbygeneexpressionmonitoring19997.XiongM.JinL.LiWJComputationalmethodsforgeneexpressionbasedtumorclassification2000(06)8.LiWJ.XiongM.TclassTumorclassificationsystembasedongeneexpressionprofile2002(02)9.SpeedTStatisticalAnalysisofGeneExpressionMicroarrayData200310.IngvarEidhammer.IngeJonassen.WilliamRTaylorStructurecomparisonandstucturepatterns200011.孙即祥现代模式识别200212.LKaufman.PJRousseeuwFindingGroupsinData:anIntroductiontoClusterAnalysis199013.边肇祺.张学工模式识别200014.吕慧英.郭东伟.周春光.梁艳春氨基酸序列中同源序列的识别↑[期刊论文]-小型微型计算机系统2000(6)15.XWen.SFuhrman.GSMDBCarrLarge-scaletemporalgeneexpressionmappingofcentralnervoussystemdevelopment199816.MBEisen.PTSpellman.POBrownClusteranalysisanddisplayofgene-wideexpressionpatterns199817.RHerwig.AJPoustka.CMiillerLarge-scaleclusteringofcDNAfingerprintingdata199918.PTamayo.DSlonim.JMesirovInterpretingpatternsofgeneexpressionwithself-organizingmaps:Methodsandapplicationtohematopoieticdifferentiation199919.JiaweiHuan.MichelineKamberDataMining:ConceptandTechniques200020.JavierHerrero.AlfonsoValencia.JaquinDopazoAHierarchicalunsupervisedgrowingneuralnetworkforclusteringgeneexpressionpatterns2001(02)21.陈庆瀚类神经网络Self-OrganizingMapNeuralNetwork200222.KohonenTTheself-organizingmap1990(09)23.DrmanacR.LabatI.BruketISequencingofmegabaseplusDNAbyhybridization:theoryofthemethod1989(02)24.SouthernEM.MaskosUSupportboundoligonucleotides198825.XiangCC.ChenYcDNAmicroarraytechnologyanditsapplications2000(01)26.SchenaM.HellerRA.TheriaultTPMicroarrays:biotechnology'sdiscoveryplatformforfunctionalgenomics198127.DugganDJ.BittnerM.ChenYExpressionprofilingusingcDNAmicroarray1999(01)28.VanHN.VorstO.VanHATheapplicationofDNAmicroarraysingeneexpressionanalysis2000(03)29.TZhang.RRamakrishnan.MLinvyBirch:anefficientdataclusteringmethodforlargedatabases199630.SomogyiR.SniegoskiCAModelingthecomplexityofgeneticnetworks:understandingmultigenicandpleiotropicregulation1996(06)31.LockhartDJ.DongH.ByrneMCExpressionmonitoringbyhybridizationtohigh-densityoligonucleotidearrays1996(13)32.BrownPO.BotsteinDExploringthenewworldofthegenomewithDNAmicroarrays1999(01)33.SomogyiR.WenX.MaW.BarkerJLDevelopmentalkineticsofGADfamilymRNAsparallelneurogenesisintheratspinalcord1995(04)34.EisenMB.SpellmanPT.BrownPOClusteranalysisanddisplayofgenome-wideexpressionpatterns1998(25)35.TamayoP.SlonimD.MesirovJInterpretingpatternsofgeneexpressionwithself-organizingmaps:methodsandapplicationtohematopoieticdifferentiation1999(06)36.AttwoodTK.Parry-SmithDJIntroductiontoBioinformatics199937.ZhouX.KaoMC.WongWHTransitivefunctionalannotationbyshortest-pathanalysisofgeneexpressiondata2002(20)38.AlizadehAA.EisenMB.EricDavisRDistincttypesofdiffuselargeB-celllymphomaidentifiedbygeneexpressionprofiling2000(6769)39.AnderbergMRClusterAnalysisforApplications199340.KhanJ.WeiJSClassificationanddiagnosticpredictionofcancersusinggeneexpressionprofilingandartificialneuralnetworks2001(06)41.裘敏燕.李瑶.谢毅.毛裕民基因芯片技术及其应用[期刊论文]-第二军医大学学报2001(6)42.KooperbergC.FazzioTG.DelrowJImprovedbackgroundcorrectionforspottedDNAmicroarrays2002相似文献(8条)1.期刊论文陈佳妮.段文英.丁徽.ChenJiani.DuanWenying.DingHui模糊C-均值聚类分析在基因表达数据分析中的应用-森林工程2010,26(2)为更好地挖掘基因表达数据、获取更多的生物学信息,近年来许多改进的传统聚类算法和新聚类算法不断涌现.模糊聚类在聚类分析中又具有广泛的意义和重要的应用价值.叙述基因表达数据的获取和表达,介绍应用在基因表达数据中的模糊C均值聚类算法以及不同的实现途径和相应的优缺点,简述聚类结果的评价问题,并对发展趋势做进一步的展望.2.期刊论文岳峰.孙亮.王宽全.王永吉.左旺孟.YUEFeng.SUNLiang.WANGKuan-Quan.WANGYong-Ji.ZUOWang-Meng基因表达数据的聚类分析研究进展-自动化学报2008,34(2)基因表达数据的爆炸性增长迫切需求自动、有效的数据分析工具.目前聚类分析已成为分析基因表达数据获取生物学信息的有力工具.为了更好地挖掘基因表达数据,近年来提出了许多改进的传统聚类算法和新聚类算法.本文首先简单介绍了基因表达数据的获取和表示,之后系统地介绍了近年来应用在基因表达数据分析中的聚类算法.根据聚类目标的不同将算法分为基于基因的聚类、基于样本的聚类和两路聚类,并对每类算法介绍了其生物学的含义及其难点,详细讨论了各种算法的基本原理及优缺点.最后总结了当前的基因表达数据的聚类分析方法,并对发展趋势作了进一步的展望.3.学位论文俞慧微阵列基因表达数据降维方法研究2007DNA微阵列(基因芯片)技术的出现，使人们能够获得高通量的基因表达数据，这将成为今后重要的生物医学研究工具。但是，微阵列数据具有小样本、高维度的特点，这给样本分类等数据分析带来了困难，如何合理地进行降维是十分重要和有意义的。模糊c均值算法和EM算法都是基于“软”划分的聚类算法。本文分析了它们各自的特点，在实验的基础上进行了比较。并深入研究了模糊c均值算法使用随机初始值和凝聚层次聚类初始值对算法有效性的影响情况。基于模糊c均值算法，本文提出了一个新的基因表达数据降维方法：FCM加权降维法。在真实的高维数据上进行降维，运用经验贝叶斯和支持向量机进行了分类，取得了良好的效果。4.期刊论文张焕萍.王惠南.宋晓峰.ZhangHuanping.WangHuinan.SongXiaofeng最小支撑树算法在基因表达数据聚类分析中的应用-南京航空航天大学学报2007,39(2)聚类分析已成为对基因表达数据进行挖掘以提取生物医学信息的主要方法.本文提出了基于图论的最小支撑树(Minimumspanningtree,MST)聚类算法,用MST表示多维基因表达数据,可将数据的聚类转换为对最小支撑树的分割,相对于传统聚类方法,最小支撑树算法具有形象直观、对一些准则函数能产生全局最优解等优点;将MST算法分别与Memeticalgorithm及人工免疫算法(Artificialimmunenetwork,aiNet)相结合,则产生更优化的聚类结果.对酵母基因表达数据的实验结果表明,最小支撑树聚类算法是一种有效的基因表达数据的聚类方法.5.学位论文刘宇宏时序基因表达数据的建模分析及应用2008随着DNA芯片技术的广泛应用，基因表达数据分析已成为生命科学的研究热点。DNA微阵列技术是一种研究细胞中基因表达模式的非常有效的技术。这种技术而临的主要挑战是如何分析由此产生的大量基因表达数据。最近，一种新的基因表达数据