《11第十一课生物信息学的基因聚类分析.ppt》由会员分享,可在线阅读,更多相关《11第十一课生物信息学的基因聚类分析.ppt(34页珍藏版)》请在三一文库上搜索。
1、基因表达数据的聚类分析,基因表达数据主要来自于两个方面: 一是基因芯片,这是最主要的表达数据来源,利用基因芯片技术可以大规模并行获取基因转录结果mRNA的数据。 表达系列分析SAGE和差异显示、蛋白质芯片等是快速检测蛋白质及其含量的另一类技术。,聚类分析是模式识别中一种非常有吸引力的方法,特别适用于模式分类数不知道的情况。 从机器学习的角度来看,有两种基本的聚类分析: 有监督聚类 无监督聚类,基因表达数据聚类分析一般包括以下几个步骤: ()确定基因表达的数据 ()计算相似性矩阵,各个矩阵元素代表两个基因的表达是否相似 ()选择算法进行聚类分析 ()显示分析结果。,对数据进行聚类分析之前,必须将
2、包含在基因表达矩阵中的数据进行相似程度分析,并且对分析结果进行量化。 通常情况下,相似往往被赋于一个较大的量化的值,而不相似则由一个较小的量化的值来表示。 在实际计算中,往往以距离代替相似的概念,相似性度量被转化为两个基因表达模式之间的距离。距离越小,表达模式越相近,反之,则表达模式差异大。,几种常用的聚类方法,1简单聚类 2层次式聚类 3K平均聚类 4自组织映射神经网络 5. 模糊聚类分析方法 6、聚类分析结果的树图表示,1、简单聚类 假设有n个基因 表达数据向量分别为X1, X2, XN 令任意一个基因的表达向量为第一个聚类的中心 依次处理其它基因 在处理第i个基因时,首先计算该基因的表达
3、数据向量与现有各类中心的距离 假设与第j类的距离Dij最小,并且DijT,则将基因i分配到第j类;否则生成一个新类,该类的中心为第i个基因的表达向量。,2、层次式聚类,3、K平均聚类 任意选取K个基因表达向量作为初始聚类中心 Z1, Z2, Zk 反复迭代计算 如果|X-Zj(l)| |X-Zi(l)|(i=1,2,K,ij),则将X所代表的基因归于第j类。按照上述办法处理所有的基因; 经过上述处理,聚类可能发生变化,因此需要重新计算K个新聚类中心: 对于所有的聚类中心,如果Zj(l+1)=Zj(l)(j=1,2,K),则迭代结束,得到最后的聚类结果;否则继续进行迭代计算。,4、自组织映射神经
4、网络,5、模糊聚类分析方法 主要过程: (1)建立模糊相似矩阵 (2)生成模糊等价矩阵 (3)构建动态聚类图,6、聚类结果显示,分类分析方法 有监督学习 疾病诊断、细胞类型识别 样本分类:(例) 急性淋巴细胞白血病(ALL) 急性髓性白血病(AML),例:两类划分,问题: 基因的选择? 分类的方法? 贝叶斯分类法 支持向量机(SVM) k最近邻法 神经网络方法 决策树方法 投票分类法(多分类器),7、主成分分析PCA,图9.13 主元素对应特征值图示,基因调控网络分析,一个基因网络由一组生物分子(如基因、蛋白质)以及它们之间的相互作用构成,这些生物分子共同完成一些特定的细胞功能任务。 在实际分
5、析过程中,往往以图这种数据结构表示基因网络,图中的节点代表基因或者蛋白质,而节点之间的连线代表基因、蛋白质之间的相互作用。基因网络描述了特定细胞或组织中的功能路径,如代谢、基因调控,信号传导等。,基因表达在化学催化中的作用,代谢路径示例:脯氨酸的生物合成,基因表达实际上是细胞、组织、器官受遗传和环境影响的结果。 一个基因的转录和表达由细胞的生化状态所决定,在一个基因的转录过程中,一组转录因子作用于该基因的启动子区域,控制该基因转录,而这些转录因子本身又是其它基因的产物。 当一个基因通过转录、翻译形成功能基因产物后,它将改变细胞的生化状态,从而直接或间接地影响其它基因的表达,甚至影响自身的表达。
6、多个基因的表达不断变化,使得细胞的生化状态不断地变化。,一个基因的表达受其它基因的影响,而这个基因又会影响其它基因的表达,这种相互影响、相互制约关系构成了复杂的基因表达调控网络。 基因表达数据之中隐含基因之间的相互作用关系,因而可以通过分析基因表达数据,构建基因调控网络。,几种基因调控网络模型,1、布尔网络模型,A B C A B C,系统运行轨迹 循环 A B C 1 1 1 0 2 1 1 1 3 0 1 1 4 0 0 1 5 0 0 0 6 0 0 0,前一个状态 后一个状态 ,作用规则 (1) A激活B (2) B激活A和C (3) C抑制A,2、线性组合模型,线性组合模型是一种连续
7、网络模型,在这种模型中,一个基因的表达值是若干个其它基因表达值的加权和。基本表示形式为:,3、加权矩阵模型,加权矩阵模型与线性组合模型相似,在该模型中,一个基因的表达值是其它基因表达值的函数。,4、互信息关联网络,可以用距离或相关系数作为基因表达模式之间的相似性度量,还可以用另外一种度量形式,即用熵和互信息描述基因与基因的关联。 一个基因表达模式的熵是该模式所含信息量的度量。设X是一个基因表达模式,用下式计算熵:,5、基因调控网络实例,真核生物生理过程的调控网络GeneNet GeneNet展示了协调方式下基因的整体功能,良好的调控功能和对外界刺激的反应。该基因网具有以下基本功能: (a) 描述执行特定生物功能时所涉及到的整体基因交互作用 (b) 描述基因的蛋白质编码 (c) 描述基因对外界刺激的传感途径 (d) 通过一组反馈自动地稳定网络参数或者使网络转换到新的功能状态 (e) 利用外部信号、激素和代谢产物作为生理学参数激发基因网纠正其作用,该基因网描述了四类实体: (a) 细胞(组织,器官) (b) 蛋白质 (c) 基因 (d) 物质 该基因网还描述了实体间两种关系: (a) 反应(reaction), 即通过交互作用产生新的实体或过程 (b) 调控(regulatory)事件, 特定反应对实体的作用。,GeneNet网络,
链接地址:https://www.31doc.com/p-3403839.html