14、微阵列数据中调控关系的发现

微阵列数据中调控关系的发现

1. 引言

在生物信息学领域，我们面对的数据量与日俱增，这些数据描绘了不同生物体的结构和功能。实验室和临床环境中不断产生着如序列（核苷酸、蛋白质）和基因活性（mRNA 表达比率）等实验数据。不断扩充的数据集催生了对新型数据挖掘技术的需求，这些技术能够发现研究中生物实体间的潜在关系，并整合不同来源的数据。

微阵列技术于九十年代问世，可用于并行研究特定生物体中所有基因的表达情况，其终极目标之一是揭示基因间的调控途径。微阵列时间序列实验旨在研究显著的动态表达模式，探究哪些基因调控其他基因。我们区分了共调控和受控调控：当两个基因相对丰度的一阶导数相同时，为正共调控；相反时，为逆共调控；当一个或多个调节基因的表达直接影响目标基因的表达时，为受控调控。

传统聚类技术未考虑转录后和翻译后的滞后时间，而基因表达水平间的滞后可能蕴含着调控线索。因此，我们提出一种基于时间进程微阵列数据的新型数据挖掘方法，通过预处理步骤将基因表达时间信号转化为“显著特征”，训练动态贝叶斯网络预测特定目标基因的调控事件。

2. 微阵列数据

我们的目标是发现并解读基因相对表达间的统计关系，为此需选择合适的时间序列微阵列数据表示方案。通常，每个点代表特定基因 mRNA 的平均相对（对数）表达，基因的表达比率可视为连续随机变量。我们将阵列数据离散化为三类：变化、局部最小值和局部最大值，这与其他区分上调、中调和下调基因表达的方法不同，我们的表示方式能捕捉表达比率的局部动态。

2.1 插值

计算每个基因的导数需应用（线性）滤波器，这要求信号在时间上均匀采样。我们使用线性最近邻方案对非均匀采样的时间序列进行插值，因为