多示例层次聚类算法在基因功能注释中的应用

• 作 者: 邓知辉
• 出 处: 湖南大学
• 发表日期: 2004年期
• 关键词: 基因时序表达 基因功能注释 机器学习 多示例多标签

基因功能注释是基因组注释的一个重要研究方向。而在后基因组的时代背景下,基因组注释又是最主要的挑战。它的研究将为人们深入理解人类基因组遗传语言的逻辑构架,基因结构与功能的关系,个体发育、生长、衰老和死亡机理,神经活动和脑功能表现机理,细胞增殖、分化和凋亡机理,信息传递和作用机理,疾病发生、发展的基因及基因后机理(如发病机理、病理过程)以及各种生命科学问题提供共同的科学基础。然而面对海量的全基因组数据,只有借助机器学习的方法才能胜任。本文将采用多示例多标签的学习方法,进行基因功能的预测,主要的研究工作如下:首先,本文分析了基因表达的模式,并从其表达模式的特点对基因功能进行预测,详细分析介绍了基因功能注释数据库中基因功能之间存在的关系及关系之间的推导过程。针对基因功能注释数据库中这种多对多的基因与功能的对应关系,本文引入了多示例多标签的学习框架和基因本体论,并对多示例多标签的学习框架进行分析研究。其次,针对多示例多标签学习框架的剪枝策略会丢失基因之间相关性的问题,本文将层次聚类算法的思想加入到多示例学习框架中,提出了多示例层次聚类算法。该算法根据基因表达相关性的特点,将具有相似功能的基因的时序表达数据子集作为该基因功能的示例集合进行多示例构建。在计算多示例之间的距离时使用基因时序表达数据之间的皮尔森相关系数,并且在进行聚类约束时采用最大化各基因功能类中的基因相关性,使得基因之间的相关性信息能在聚类过程中得到很好的保留。最后,本文在酿酒酵母的四个基因时序表达谱中验证了算法的有效性,实验表明该算法能在多示例多标签学习框架的退化过程中很好的保留基因之间的相关性信息,并拥有着良好的性能。