文档介绍：基因微阵列数据中的聚类技术研究第l6卷第2期2006年2月计算机技术与发展C()NIPUTERTE({N0l)【YANI)I)EVE1』)ljMEN7,V(,,陈莉,方鹤鹤(西北大学计算机科学系,陕西西安710069)摘要:,每次实验可以得到大量丰富的数据,,可以得到很多有用的信息,:微阵列;基因表达谱;聚类分析中图分类号:TP391文献标识码:A文章编号:1005—3751(2006)02一Ol17—03ClusteringAnalysisofMicroarrayGeneExpressionDataMAYu,CHENLi,FANGHe-he(puterScience,NorthwestUniversity,Xi'an710069,China)Abstract:?bridizaitontechnology,canachieveadundantdatafromeachexperiment,esamorechalleng?~:microarray;geneexpressionprofiles;,(甚至整个基因组),,不仅是生物信息学研究者的一个重要课题,,高性能生物序列聚类算法¨叫J有了很大提高,这些算法都能自动把数量非常庞大的基因数据库进行聚类,"开放性",评价一个聚类问题的优劣不仅仅是要看其数学上表现,而且要在具体的生物学的环境下进行评价,聚类问题和聚类算法中,特别是在基因表达条件下,有很多收稿日期:2005—05—27基金项目:陕西省自然科学基金(98X11);陕西省教育厅重点科研计划项目(00JK015)作者简介:马煜(1975~),女,陕西子州人,硕士研究生,研究方向为数据挖掘,生物信息学;陈莉,副教授,硕士研究生导师,研究方向为人工智能,,(hybndi~一tionarray)[基因表达阵列以及用于测序和多态性研究的寡核苷酸(oligonucleotide)阵列],蛋白质阵列,,任何给定条件下的基因表达模式【.利用这些微阵列,人们正产生出大量的数据,它们可以帮助人们深入地认识诸多生物过程的本质,如基因功能,发育,癌症,,新基因的共表达(CO—expression),(cluster),在同一个簇中的对象之间具有较高的