基于心脏模型的心肌梗死病变仿真研究.pdf

7它能将功能相关的基因按表达 谱的相似程度归纳 成 共 同 表 达 类 别 ! 有 助 于 对 基 因
功能 % 基因调控 % 细 胞 过 程 及 细 胞 亚 型 等 进 行 综 合 研究 7 有多种聚类算 法 已 被 成 功 地 用 于 基 因 表 达 分
# # % & # ! & $ " 收稿 !$ # # % & # ) & $ + 收修改稿 !$ $ 批准号 # $ # # " & + " ! " 天津市重点建设学科基金资助 " # B , & . / 0 G 1 4 . 3! 67 ; ? 67 8 3 !" " 通讯作者 ! ]
" 卷 ! 第 # 期 !$ % % "年#月 !类分析中数据预处理方式和相似度的选择 "
$ "" 杨春梅"! 万柏坤" ! 高晓峰 "7 天津大学生物医学工程与科学仪器系 ! 天津 + # # # ! $) $ $7V 9 B 9 @ 9 0 ." Q J / 3 . , 0 ; 8 B @ 9 3 / 8 <[ B ? 7天津 + # # * % !
&(( 通过搜索蛋白质序 列 数 据 库 V L . D . 2 / 9 ;等 " W A =发 现其中 $ + ! 条基因可分别归入 * 个功能类别 #K \O
况!在减数分裂早期%中期和末期的!个时间点 测 量 了 每 一 条 基 因 -P\O 转 录 水 平 变 化 ! 并 对 比研究了生长期细胞 \ ? B ( #异常表达和缺失导致 的基因表 达 变 化!共 得 到 " #个实验样品的表达 数据7实验中!他们同时通过显微镜对基因表达 情 况 进 行 了 观 测 ! 从形态学信息中获得了 ! 个显著 不同的功能表达模式 ! 为数百条未知基因的潜在功能 提供了线索 7 本文选取其中分别属于 ’ 个不重叠功能 表达模式的 " 记为 = ’ " 条基因表达谱组成数据集 " 9 @ 5 数据集 ! !并 以 这 ’ 个 功 能 类 作 " ’ " j " # 表 达 矩 阵$ 为外部标准类 " $ ; H B ; @ 3 . 0 < B . 3 ? . @ ?8 0 . < < ; < 7 " $酵母半乳糖数据集 " > . 0$ $ 为探测酵母 半 乳 糖 利 用 >O [ 通路中基因表达 调控 信 息 与 基 因 和 蛋 白 质 间 的 相 互 作 用 !W ? ; 1 ; @
& "! $(
析!如 分 层 聚 类 " !I 均值 J / ; @ . @ 8 J / 8 . 08 0 6 < B ; @ / 3 & E$ 聚类 " !主成分分析" I & ; . 3 <8 0 6 < B ; @ / 3 @ / 3 8 / . 0 E$ 5 5 !A 8 9 9 3 ; 3 B. 3 . 0 < / < Q O $及 自 组 织 映 射 " < ; 0 C & 5 N & ( ’! ! != $ 等 7但由于不 同 聚 类 < SV < 9 @ . 3 / 2 / 3 . E E5 算法 ! 甚至同一聚 类 算 法 使 用 不 同 参 数 ! 一 般 都 将 产生不同的类别 " $ 8 0 6 < B ; @ < 7 故生物学家 面对 大量基 因表达数据集的第 一 个 棘 手 问 题 即 是 如 何 选 择 合 适 的聚类算法 7 然而 ! 目 前 尚 未 有 达 成 共 识 的 统 一 性
( " * $ 等& 将野生型 " 和分别删除 ) 条 >O 4 B [ 基因之一
合成与复制 % 中 心 体 组 织 % 氮 及 硫 代 谢 % 核 糖 体 蛋 白 7 本文将这 $ + ! 条基因表达谱 构成 Q ; 0 0 8 8 0 ; 的另 N 一个数据子集 ’Q ; 0 0 8 8 0 ;1 $ + !! 其 * 个功能 类作为 N 外部标准类 7
(( 指导方针 & 7
基因表达聚类分析的第一步是对芯片试验所 产生的基因表达矩阵进行预处理!以确保基因表
+( 达水平的可比性& 7目前!数据预处理方法可分
基因组时代研究的瓶颈 计算技术 之 一
& *! %(
7 聚类分析技术是目 前 基 因 表 达 分 析 研 究 的 主 要
& +! *(
为对原始数据作标准化处理和取表达比率的对数 值两大类7其中标准化包括对行" 基因表达矢量$ 和列" 样品表达矢 量$ 进 行 标 准 化 处 理 两 种 情 况7 此外!常规的基因表达聚类分析算法基于个体间 的相似性度量" 简称相似度$ 来衡量两个表达谱的
式和相似度!因此!在基因表达聚类分析时!选 择合适的数据预处理方法和相似度至关重要!是
" $( !也是生物学家面 获得 正 确 聚 类 结 果 的 前 提&
中搜索出 其 中 $ 蛋白 # % 条 基 因! 分 属 于 生 物 合 成 " 质代谢 与 修 饰 $ %能量通 路 " 碳水化合物合成与分 解$ % 核酸 代 谢 及 细 胞 转 运 等 * 个 功 能 类 别 7 本 文 选取这 $ # % 条基因的 表 达 矢 量 构 成 > . 0数 据 集 ! 组 成$ # %j$ # 基因表 达 矩 阵 ! 并 将 这 * 个 功 能 类 作 为 外部标准类 7 " $鼠中枢神经系统发育数据集 " $ Q \ = + 为探索哺乳动物 中 枢 神 经 系 统 发 育 中 潜 在 的 复 杂自组织 过 程 % 研 究 基 因 家 族 间 可 能 的 功 能 关 系 !
’ 基于 生 物 学 先 验 知 识 精 选 出 对 鼠 颈 部 脊 _ ; 3等 " 髓发育重要 的 * 个 基 因 家 族 " ! \ ; 6 @ 9 & > 0 / . 0V . @ 1 ; @ < & (
对大量基因表达数据集的第二个棘手难题7 本文针对 上 述 两 个 难 题! 采 用 具 有 外 部 , 金 标准- 的数据集! 比 较 了 几 种 常 用 聚 类 算 法 在 不 同数据预处 理 方 式 和 相 似 性 度 量 准 则 下 的 分 析 质 量!以期为基 因 表 达 聚 类 分 析 的 实 施 提 供 有 价 值 的参考依据7
$ ) *
" 卷 ! 第 # 期 !$ % % "年#月 !第!
相似程度!如A ; . @ < 9 3 相 关 系 数 %, 6 8 0 / ? ; . 3距 离 % : . 8 1 1 3 / C ;相 关 % 信 息 熵 等 7其中应用较成功的 &#! " "( 是A ; . @ < 9 3相 关 系 数 和 , 6 8 0 / ? ; . 3距 离 " 7由 于不同的聚类算法可能偏好不同的数据预处理方
& )(
用含酵母全基因组的 K \O 微阵 列检测 了这 $ # 个试 验样品中 >O [ 通 路 受 扰 动 时 的 -P \O 表 达 水 平 ! 并使用最 大 似 然 估 计 法 鉴 别 出 ) ) !条差异表达基
& ( " % " 因 7‘ 数据库列表 ; 6 3 ; 3 ;S 3 B 9 0 9 >S$ E等 从 > E N
摘要 !! 聚类分析是基因表达数据分析研究的主 要 技术 之一 7 选择恰 当的数 据 预 处 理 方 式 和 相 似 性度量 ! 是获得高质量 聚 类 结 果 的 前 提 7 采 用 具 有 外 部 标 准 的 基 因 表 达 数 据 集 ! 分 别 以 A ; . @ < 9 3 相关系数和 , 均值聚类和 6 8 0 / ? ; . 3距 离 为 相 似 度! 以 校 正 的 P . 3 ? 指 数 比 较 了 使 用 分 层 聚 类 "I & = SV <聚类算 法 对 经 过 行 标 准 化 " 列 标 准 化 和 对 数 化 处 理 后 数 据 的 基 因 聚 类 质 量 7 结 果 表 明 % 均值聚类和 = 均值 聚类 7 而 且 ! 分 I & SV <聚类质量显著优于分层 聚 类 != SV < 聚类质 量稍 好于 I & 层聚类偏好于 A 均值聚类和 = ; . @ < 9 3 相关系数准则和行标准 化 处理 ! 而 应 用 I & SV <算 法 时 ! 则 最 好是对数据进行对数化处理 " 并以 , 6 8 0 / ? ; . 3 距离为相似性度量准则 7 上述研究 结论将 为基因 表达 聚类分析的实施提供有价值的参考依据 7 关键词 !! 基因表达 ! 聚类分析 ! 数据预处理 ! 相似度 !< = > 指数 !! 随着 人类基因 组计划 的实 施和人 基 因 组工 作 草 图的完成 ! 生命科学 已 进 入 了 产 生 大 量 基 因 表 达 数 据 % 生命信息量爆 炸 性 增 长 的 时 代 7 呈 指 数 增 长 的 生命信息也为 生 命 % 数 学 % 物 理 % 化 学 和 信 息 等 科 学领域提供了巨大 的 研 究 平 台 ! 科 学 家 的 主 要 工 作 就是从这 些 数 据 信 息 中 去 探 索 生 命 的 奥 秘 7 其 中 ! K \O 芯片技术 因 其 能 对 大 量 的 基 因 表 达 谱 进 行 同 步 % 快速测量 ! 同时 提 供 成 千 上 万 条 基 因 的 表 达 水 平 ! 而被广泛应用 于 生 命 科 学 的 各 个 领 域 ! 产 生 了 7如何分析和处理这些数 据 ! 从中提取有用 的 生 物 学 或 医 学 信 息 ! 已 成 为 后 海量的基 因 表 达 数 据