17、基因数据双聚类分析与重采样改进算法

基因数据双聚类分析与重采样改进算法

1. 基因扰动实验定性推理

在系统基因扰动实验中，根据扰动实验的结果，网络中的某些信息可能无法被推断出来。例如，在特定的一组实验中，如果某些基因（如基因 10、12、13、15、16、18 和 19）未被观察到，那么关于它们可能的调控作用的信息就非常有限。未观察到的基因信息是有价值的，可在后续可能的实验中，用于选择重点关注的基因。

在相关文献中，稳态扰动实验的自动化处理通常采用定量方法。不过，GenePath 软件是个例外，它利用“IF - THEN”规则推理方法，分析同一生物体的单突变体和双突变体之间的定性差异。但 GenePath 旨在处理表型变量的定性变化，而我们的方法则直接分析基因表达数据。

2. 双聚类问题引入

在许多科学领域，从大型数据集中寻找相似性至关重要。它能在没有明确信息的情况下对多种类型的数据进行分类。以往，研究人员常使用聚类等分析方法，结合模式和条件对数据进行分类。近年来，双聚类等新的分析工具被提出并应用于许多特定问题。双聚类算法不仅能根据选定条件对数据进行分类，还能找到更精确的分类条件。

同时分析大量基因的表达，为研究基因组信息提供了绝佳机会。例如，DNA 微阵列技术提供了数据集，在不同条件下对基因进行实验的结果，是存储在 DNA 芯片中的转录 mRNA 的表达水平。我们的任务是找到在部分条件下表现出相似性的基因子集，因此采用双聚类技术。该技术最早于 1972 年由 Hartigan 提出，其方法是寻找方差最小的子矩阵，“完美双聚类”是方差为零的子矩阵。

Cheng 和 Church 给出了更精确的双聚类定义，并引入了均方残差（MSR）这一指标，用于计算双聚