基于遺傳算法的基因芯片數據聚類研究.pdf

1、近年來基因芯片技術被廣泛應用于生命科學及相關的各個領域，它推動了生物學研究的發(fā)展?；虮磉_的模式可以提供有關細胞狀態(tài)的重要信息，基因芯片技術可以用一個樣本同時測量數千個基因的表達情況。 聚類分析技術在分析基因芯片表達數據中扮演了重要的角色。在基因表達數據聚類分析中，使用不同的參數，得到的類結構可能顯著不同，k-means算法應用較為廣泛。本文首先以k-means算法為基準，對常見的兩種類型的基因芯片數據適用的預處理方式和相似度

2、選取進行了研究和分析，結果顯示：對于時間序列數據集，對數化轉換后，相似度選擇協方差所得結果最好；對于非時間序列數據集，對數轉化最好，相似度選取歐氏距離、平方歐氏距離、馬氏距離都比較好。 由于k-means算法對于初始值非常敏感且易陷入局部極小值，而遺傳算法是一種通過模擬自然進化過程搜索最優(yōu)解的算法，它具有隱含并行性和對全局信息的有效利用能力，將兩者結合產生了基于遺傳算法的k-means聚類算法-GKA算法，它既能夠發(fā)揮遺傳算法

3、的全局尋優(yōu)能力，又能兼顧k-means算法的局部搜索能力，更好地解決聚類問題。本文結合參數研究結果，并將自然進化中的優(yōu)選思想進一步引入GKA算法，提出了新的基于遺傳算法的k-means聚類算法-IKGA算法。將該算法應用于酵母基因表達數據集研究，結果顯示IKGA算法極顯著(P＜0.01)的優(yōu)于GKA算法和k-means算法。 最后將該IKGA算法應用于豬基因表達數據的聚類分析中，結果顯示，該算法能很好地避免了初始值對聚類結果的