近年來(lái),cDNA微陣列技術(shù)的出現(xiàn)和應(yīng)用,使得基因表達(dá)數(shù)據(jù)被大量檢測(cè)出來(lái),從而為人類(lèi)在分子層級(jí)分析疾病提供了充足的樣本數(shù)據(jù)。而如何通過(guò)海量的基因表達(dá)數(shù)據(jù)挖掘出有用的信息,便成了當(dāng)前的研究熱點(diǎn)。聚類(lèi)算法作為數(shù)據(jù)挖掘中的重要算法,是對(duì)基因表達(dá)數(shù)據(jù)分析的一個(gè)有效手段,科研人員常利用聚類(lèi)算法找出相似基因,從而利用已知的基因表達(dá)數(shù)據(jù)分析出樣本的顯著性特點(diǎn)。在眾多聚類(lèi)算法中,k-means作為最常用的聚類(lèi)算法之一,常用在基因表達(dá)數(shù)據(jù)的分析中。但k-means本身具有初始中心點(diǎn)敏感,局部收斂等問(wèn)題,遺傳算法作為求解多目標(biāo)優(yōu)化問(wèn)題的一個(gè)常用手段,可以有效地提升k-means的聚類(lèi)效果。本文研究并編碼實(shí)現(xiàn)了遺傳聚類(lèi)（遺傳k-means算法、遺傳k-meanS++算法）;為了提升遺傳聚類(lèi)算法的收斂速度和種群多樣性對(duì)遺傳聚類(lèi)算法進(jìn)行了改進(jìn),并用實(shí)驗(yàn)驗(yàn)證了改進(jìn)算法的有效性,進(jìn)一步將該算法運(yùn)用于基因表達(dá)數(shù)據(jù)分析領(lǐng)域。具體改進(jìn)之處如下:（1）初始種群的選擇,在遺傳聚類(lèi)算法中,一個(gè)進(jìn)化個(gè)體代表著一種聚類(lèi)中心點(diǎn)的分布方案,此時(shí)的初始種群相當(dāng)于k-means聚類(lèi)中的初始中心點(diǎn)集合。而在基因表達(dá)數(shù)據(jù)中存在著大量的無(wú)關(guān)基因,... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１．ＤＮＡ中心法則??Ｆｉｇ?１?－１．?ＤＮＡ?ｃｅｎｔｅｒ?ｒｕｌｅ??

個(gè)人不同時(shí)期之間的差別，這也是個(gè)體間差異性的主要原因。??基因?qū)ⅲ模危列蛄兄械倪z傳信息轉(zhuǎn)換為蛋白質(zhì)的過(guò)程，稱為基因表達(dá)。基因??表達(dá)的過(guò)程遵循ＤＮＡ中心法則，如圖１－１所示。由ＤＮＡ中心法則可知，基因??無(wú)法直接合成蛋白質(zhì)，而是先通過(guò)基因轉(zhuǎn)錄將ＤＮＡ轉(zhuǎn)錄為ｍＲＮＡ，接著通過(guò)基??因翻譯，將ｍＲＮＡ翻譯成相關(guān)的蛋白質(zhì)。??＾￣＾?ｕ?．１—１?翮譯—??ＤＮＡ?＿?￣ｎ?ｍＲＮＡ??？蛋白質(zhì)??逆轉(zhuǎn)策??圖１－１．ＤＮＡ中心法則??Ｆｉｇ?１?－１．?ＤＮＡ?ｃｅｎｔｅｒ?ｒｕｌｅ??在整個(gè)基因表達(dá)過(guò)程中，ＤＮＡ需要通過(guò)轉(zhuǎn)錄轉(zhuǎn)化為ｍＲＮＡ，再由ｍＲＮＡ翻??譯成相應(yīng)的蛋白質(zhì)，從而產(chǎn)生不同個(gè)體的生物性狀。這里ｍＲＮＡ起到了信息傳??遞的作用，也間接體現(xiàn)了各個(gè)基因的活躍程度。因此，我們可以通過(guò)測(cè)量ｍＲＮＡ??的轉(zhuǎn)錄豐度來(lái)作為基因的表達(dá)水平。??１??

圖２－３．遺傳算法的基本流程??Ｆｉｇ２－３．?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｇｅｎｅｔｉｃ??由圖２－３可知，遺傳算法在求解多目標(biāo)優(yōu)化問(wèn)題過(guò)程中，求解種群需要經(jīng)過(guò)??選擇、交叉、變異等進(jìn)化算子才能逐步逼近最優(yōu)解，而在進(jìn)化過(guò)程中，每一過(guò)程??的介紹如下所示。??（１）

【參考文獻(xiàn)】：
期刊論文
[1]基于時(shí)序加權(quán)PPI網(wǎng)絡(luò)的關(guān)鍵蛋白質(zhì)識(shí)別[J]. 胡健,朱海灣,毛伊敏.  計(jì)算機(jī)工程與應(yīng)用. 2019(23)
[2]C4玉米中光呼吸銨轉(zhuǎn)運(yùn)蛋白候選基因的確定[J]. 李享,孫寧,劉征.  分子植物育種. 2019(23)
[3]精英遺傳K-medoids聚類(lèi)算法[J]. 宋飛豹,賈瑞玉.  計(jì)算機(jī)工程與應(yīng)用. 2018(22)
[4]一種MapReduce架構(gòu)下基于遺傳算法的K-Medoids聚類(lèi)[J]. 賴向陽(yáng),宮秀軍,韓來(lái)明.  計(jì)算機(jī)科學(xué). 2017(03)
[5]局部子空間聚類(lèi)[J]. 劉展杰,陳曉云.  自動(dòng)化學(xué)報(bào). 2016(08)
[6]基于強(qiáng)類(lèi)別特征近鄰傳播的半監(jiān)督文本聚類(lèi)[J]. 文翰,肖南峰.  模式識(shí)別與人工智能. 2014(07)
[7]基于MapReduce的基因數(shù)據(jù)密度層次聚類(lèi)算法[J]. 涂金金,楊明,郭麗娜.  中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2014(07)
[8]一種改進(jìn)的譜聚類(lèi)算法及其在基因表達(dá)譜分析中的應(yīng)用[J]. 葛芳,王年,郭秀麗.  安徽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(05)
[9]雙精英協(xié)同進(jìn)化遺傳算法[J]. 劉全,王曉燕,傅啟明,張永剛,章曉芳.  軟件學(xué)報(bào). 2012(04)
[10]一種基于動(dòng)態(tài)遺傳算法的聚類(lèi)新方法[J]. 何宏,譚永紅.  電子學(xué)報(bào). 2012(02)

博士論文
[1]數(shù)據(jù)挖掘在癌癥細(xì)胞增殖機(jī)制分析中的應(yīng)用研究[D]. 孫慧妍.吉林大學(xué) 2018
[2]基因表達(dá)數(shù)據(jù)的相似性度量和特征提取研究[D]. 王文俊.西安電子科技大學(xué) 2011

碩士論文
[1]基于基因表達(dá)數(shù)據(jù)的癌癥共性分析方法研究[D]. 胡心穎.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[2]一種新的混合遺傳的基因聚類(lèi)方法[D]. 王化楠.大連理工大學(xué) 2014



本文編號(hào)：3423236