从基因芯片数据快速有效地挖掘共调控基因

doi:10.3778/j.issn.1002-8331.2010.09.011

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (9): 33-37.DOI: 10.3778/j.issn.1002-8331.2010.09.011

从基因芯片数据快速有效地挖掘共调控基因

赵倩，尚学群

西北工业大学计算机学院，西安 710129

收稿日期:2009-04-08 修回日期:2009-06-12 出版日期:2010-03-21 发布日期:2010-03-21
通讯作者: 赵倩

Mining co-regulated genes from microarray data quickly and effectively

ZHAO Qian，SHANG Xue-qun

School of Computer，Northwestern Polytechnical University，Xi’an 710129，China

Received:2009-04-08 Revised:2009-06-12 Online:2010-03-21 Published:2010-03-21
Contact: ZHAO Qian

摘要/Abstract

摘要： 针对基因芯片数据高噪音、列（基因）数比行（实验条件）数多几个数量级的特殊性，为了进一步提高从基因芯片数据挖掘共调控基因的时间效率和挖掘结果的有效性，首先根据所有两两基因对之间的Pearson相关系数对原始完整数据集进行分组，然后使用列（基因）枚举方法对各组数据分别进行闭合频繁模式挖掘，并对活化和抑制共调控关系的挖掘分别进行处理。实验结果证明：算法快速有效地挖掘出了两种共调控基因。

关键词: 基因芯片数据, 共调控基因, Pearson相关系数, 闭合频繁模式

Abstract: Microarray data sets typically contain strong noise and an order of magnitude more genes than experiments.To further reduce the running time and improve the validity of co-regulated genes mined from microarray data，a new method is proposed which firstly groups all genes according to the Pearson correlation coefficient between every two genes，then uses column（gene）enumeration to mine closed frequent patterns as positive or negative co-regulated genes for each group.The experimental results show that the proposed approach can quickly and effectively mine two kinds of co-regulated genes from microarray data.

Key words: microarray data, co-regulated genes, Pearson correlation coefficient, closed frequent pattern

中图分类号:

TP311

赵倩，尚学群. 从基因芯片数据快速有效地挖掘共调控基因[J]. 计算机工程与应用, 2010, 46(9): 33-37.

ZHAO Qian，SHANG Xue-qun. Mining co-regulated genes from microarray data quickly and effectively[J]. Computer Engineering and Applications, 2010, 46(9): 33-37.

[1]	史恒亮^1，2，3，任崇广^1，3，白光一^1，3，普杰信². 自适应蚁群优化的云数据库动态路径查询[J]. 计算机工程与应用, 2010, 46(9): 10-12.
[2]	戎玫. 一种基于场景的嵌入式软件设计方法[J]. 计算机工程与应用, 2010, 46(9): 62-64.
[3]	刘顺江，刘国华，李颖. 基于数据源信息语境的复杂模式匹配方法[J]. 计算机工程与应用, 2010, 46(9): 120-122.
[4]	鲁小云，杨勇，王凌云. S-粗Vague集合及应用[J]. 计算机工程与应用, 2010, 46(8): 34-36.
[5]	袁本刚¹，陈莉¹，金燕². 挖掘数据库中的负频繁模式[J]. 计算机工程与应用, 2010, 46(8): 117-119.
[6]	陈红^1，2，郭躬德^1，2. 基于空间覆盖的半监督特征选择方法[J]. 计算机工程与应用, 2010, 46(8): 130-132.
[7]	赵倩，尚学群，王淼. 基于seeds集和频繁项集挖掘的半监督聚类算法[J]. 计算机工程与应用, 2010, 46(8): 123-126.
[8]	张黎¹，逄涣利¹，王小虎¹，王佳². 一种共调控基因C均值模糊聚类算法[J]. 计算机工程与应用, 2010, 46(7): 32-33.
[9]	唐爱国¹，王如龙²，胡春华¹. 贝叶斯网络在软件项目风险评估中的应用[J]. 计算机工程与应用, 2010, 46(7): 62-65.
[10]	汪琳，庄卫华. 一种Web日志序列模式挖掘的改进方法[J]. 计算机工程与应用, 2010, 46(7): 136-138.
[11]	胡明晓¹，DING Leon X². 一种用于抄袭识别的文档距离度量[J]. 计算机工程与应用, 2010, 46(7): 148-152.
[12]	朱峰，陈莉. 一种改进的蚁群聚类算法[J]. 计算机工程与应用, 2010, 46(6): 133-135.
[13]	陈小冬^1，2，尹学松²，林焕祥³. 基于判别分析的半监督聚类方法[J]. 计算机工程与应用, 2010, 46(6): 139-143.
[14]	吴庆曦，陶先平. ARDF：一种用于应用迁移的资源描述框架[J]. 计算机工程与应用, 2010, 46(6): 67-70.
[15]	魏江，范红刚，王昕. 改进的自适应快速整像素搜索算法[J]. 计算机工程与应用, 2010, 46(5): 186-188.

从基因芯片数据快速有效地挖掘共调控基因

Mining co-regulated genes from microarray data quickly and effectively

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics