基于非線性降維的合成生物元件可視化及其聚類研究.pdf

1、可視化是表達數(shù)據(jù)的直觀且有效的手段，受到許多領(lǐng)域的重視，如信息學領(lǐng)域、生物學領(lǐng)域、合成生物學領(lǐng)域等。這些領(lǐng)域的迅猛發(fā)展為可視化帶來機遇與挑戰(zhàn)。例如合成生物學是用標準化生物元件構(gòu)建生物設(shè)備的新興領(lǐng)域，當前標準化元件數(shù)量多、種類雜，使得構(gòu)建生物設(shè)備時難以選擇標準化元件。將這些標準化的生物元件進行可視化及聚類后將有助于提高生物設(shè)備構(gòu)建效率。為了達到這個目的，本文的進行了以下研究工作:
　　1)降維可視化。要對合成生物元件進行降維可視化分

2、析，首先要確定兩個合成生物元件之間相似度，相似度的計算方法對后續(xù)的聚類結(jié)果會有很大的影響。考慮到合成生物元件為長度不一的基因短序列，本文通過編輯距離來計算生物元件的相似度，再結(jié)合高斯核函數(shù)的對獲得的距離矩陣進行歸一化處理。進一步使用改進后的拉普拉斯非線性降維方法將生物元件序列降為二維或三維數(shù)據(jù)，再通過圖形化展示。表明降維后的數(shù)據(jù)具有良好的區(qū)分度，說明合成生物學者通過降維可視化可以顯著提高標準化元件選擇效率。
　　2)聚類分析。聚類

3、是把抽象或者物理的對象集合分成多個具有相似性對象的集合。通過對降維后的生物元件序列采用K-means算法進行聚類分析，最終得到功能類似的合成生物元件可以進行有效地聚類，功能差異大的合成生物元件可有效地區(qū)分，且對降維后數(shù)據(jù)聚類顯示二分類精度達到91.6％，三分類精度達到82.4％。
　　通過以上研究，本文提出了一種可以提高合成生物設(shè)備構(gòu)建效率的可視化方案，并通過聚類分析證明了該方法的有效性，解決了合成生物元件數(shù)量多、種類雜、難以選擇