15、基于群体启发式算法获取微阵列双聚类

基于群体启发式算法获取微阵列双聚类

在当今的生物信息学领域，从DNA微阵列数据中获取双聚类是一个备受关注的研究方向。本文将深入探讨基于群体的启发式算法在这一领域的应用，分析不同算法的特点和性能。

1. 引言

基因组学作为20世纪末兴起且在21世纪前景广阔的研究领域，吸引了众多科学家的目光。从孟德尔定义基因概念，到艾弗里等人证明遗传信息源于DNA，再到基因测序等一系列研究，都为基因组学的发展奠定了基础。

细胞的功能依赖于基因合成的蛋白质，而蛋白质的合成又受到基因表达调控和活性控制的影响。人类基因组中约30,000个基因表达为蛋白质的过程包括两个步骤：一是DNA序列转录为信使RNA（mRNA）序列，二是mRNA序列翻译为构成蛋白质的氨基酸序列。

测量mRNA水平可以详细了解不同类型细胞在不同条件下表达的基因子集。通过测量不同条件下的基因表达水平，有助于深入探索基因的功能、基因间的相互作用以及不同实验处理对细胞功能的影响。

近年来，基于阵列的方法取得了显著进展，能够同时测量数千个基因的表达水平。这些测量是通过对mRNA与cDNA阵列或固定在固体物质上的寡核苷酸探针的杂交进行量化来实现的。随着cDNA阵列技术的发展，产生了大量与特定条件下数千个基因转录水平相关的数据。为了从这些数据中提取知识，研究人员采用了成熟的方法，并不断开发新的方法，但仍有改进的空间。

2. 基因表达矩阵

基因表达矩阵中，行代表基因，列代表样本，每个单元格包含一个数字，表示特定基因在特定样本中的表达水平。

与大多数实验技术一样，微阵列通过另一个物理量间接测量最终目标，例如通过阵列中斑点的荧光强度来测量mRNA的相对