|
|
1.
相对行常量差异共表达双聚类挖掘算法
谢华博 尚学群 王淼
计算机应用
2013, 33 (08):
2188-2193.
在生物信息学上，挖掘差异共表达双聚类有助于研究衰老、癌变类变化的生物过程。以往的差异共表达双聚类定义仅仅从一组基因的角度来衡量差异，导致包含了很多噪声。为了克服上述缺点提出新的差异共表达支持度MiSupport，可以将一组基因的差异细化到基因级别；并由此定义提出MiCluster算法，可以在两个真实的基因芯片数据中挖掘最大的差异共表达双聚类。MiCluster算法首先基于两个基因芯片数据构建差异共表达权值图，然后基于权值图，采用样本扩展和层次扩展，并利用精确的候选产生方法和高效的剪枝策略，挖掘出最大的差异共表达双聚类。实验结果证明,MiCluster算法比现有的算法快速高效，而且通过均方误差(MSE)测试和基因本体(GO)评价，挖掘出来结果具有更大的统计意义和生物学意义。
参考文献 |
相关文章 |
多维度评价
|
|
