18、基因数据的双向聚类与负样本标注研究

基因数据的双向聚类与负样本标注研究

在生物信息学研究中，对基因数据进行有效分析以挖掘其内在规律是一项重要任务。本文将介绍双向聚类重采样方法在基因数据处理中的应用，以及在监督学习中为新基因调控连接标注负样本的相关研究。

双向聚类重采样分析

双向聚类旨在同时对数据的行和列进行聚类，以发现数据中的局部模式。通过重采样方法，我们可以更好地分离不同的双向聚类。
- 双向聚类分离结果 ：在分离双向聚类A和B的过程中，我们选择较大规模的双向聚类。从热图分析可知，在第一种情况下，规模值从189跃升至299；在第二种情况下，从182跃升至252。因此，我们选取第一种情况下A的条目大小大于299，第二种情况下B的条目大小大于252的所有双向聚类。结果如下：
- 双向聚类A的最佳分离情况 ：
- MSR = 3.2401，大小 = 920（40 × 23），包含330个来自A的元素和156个来自B的元素。
- MSR = 2.4048，大小 = 546（42 × 13），包含300个来自A的元素和30个来自B的元素。
- 双向聚类B的最佳分离情况 ：
- MSR = 2.9643，大小 = 644（46 × 14），包含252个来自B的元素和75个来自A的元素。
- MSR = 2.8298，大小 = 891（33 × 27），包含432个来自B的元素和81个来自A的元素。

• 酵母数据的PBC Bagging方法分析 ：我们采用酵母数据集进行分析，该数据集由日本分子与细胞