27、基因表达数据双聚类与脑磁共振图像分割技术解析

基因表达数据双聚类与脑磁共振图像分割技术解析

基因表达数据的双聚类算法

在基因表达数据分析中，双聚类是一种重要的技术。传统聚类与双聚类存在显著差异，目前已有多种双聚类算法，各有优劣。

可能性双聚类算法（PBC）

PBC算法用于发现值相干的重叠δ - 双聚类。通过对酵母基因表达数据集的实验，发现该算法在功能富集方面表现出色。从不同本体论的最佳十个双聚类的功能富集结果来看，PBC算法生成的双聚类能够以较高的可靠性分配到基因本体论（GO）的生物过程（BP）、分子功能（MF）和细胞成分（CC）中，在p值、错误发现率（FDR）和预期假阳性方面表现良好，能准确描述已知分类，有助于提取新的生物学见解。

不同算法性能比较

为了评估PBC算法的性能，将其与CC、FLOC和SEBI算法进行了比较，比较指标包括平均均方残差（Havg）、发现的双聚类的平均维度（Vavg、Iavg和Javg）以及Havg与Vavg的比率。具体数据如下表所示：
| 算法 | Havg | Vavg | Iavg | Javg | Havg/Vavg |
| — | — | — | — | — | — |
| PBC | 183.67 | 2742.18 | 436.02 | 7.42 | 0.067 |
| FLOC | 187.54 | 1825.78 | 195.00 | 12.80 | 0.103 |
| CC | 204.29 | 1576.98 | 166.71 | 12.09 | 0.129 |
| SEBI | 205.18 | 209.92 | 13.61 | 15.25 | 0.977 |