基于PCA的模糊迭代自组织算法识别阿尔茨海默症候选致病基因

摘要

阿尔茨海默病(Alzheimer's Disease)是一种痴呆症，该病危害性极大。目前仍未知该病的病发原因。利用计算方法对AD基因表达数据进行挖掘，识别与AD有关的候选致病基因，研究它们的致病机理。对寻找治愈AD方法的研究而言是有一定参考意义的。
　　聚类分析是处理生物数据常用方式。结合生物信息理论本文选择改进了的模糊C均值算法(FCM)—基于PCA的模糊迭代自组织算法对基因表达数据聚类。首先，利用主成分分析方法(PCA)对AD基因表达数据降维来获取FCM的初始类别数目和类别中心。其次，利用模糊目标函数和模糊约束函数，确定FCM算法的模糊指数。最后，引入迭代自组织数据分析方法(ISODATA)控制或优化FCM算法的类别数，减小算法失真，获得较好的聚类结果。
　　通过算法最终文章识别出29个AD可能的致病基因。对基因进行理论上的分析后得到如下结论:①辅助性伴侣蛋白表达异常降低机体ATP供能可能导致Aβ沉积而引发AD。②基因RERE、HNRNPC表达异常通过引起神经元凋亡而可能诱发AD。③硒蛋白表达量降低通过影响硒的功能而可能诱导AD。④PRRG1，Agtr1表达量升高通过破坏钙稳态而可能诱导AD。最后给出了AD候选致病基因可能的致病机理图。

目录

声明

摘要

1 引言

1．1 阿尔茨海默病及其研究状况

1．2 基因芯片技术与它在识别AD候选基因上的应用

1．3 本文研究的目的和意义

1．4 本文主要完成的工作

2 预备知识

2．1 AD基因表达数据的构成形式

2．2 基因表达水平数据的预处理

2．3 紧致性和基因共表达的一致性

3 AD基因表达水平数据的降维处理

3．1 AD基因表达水平数据的特征

3．2 应用主成分分析方法对AD基因表达数据降维

4 应用基于PCA的模糊迭代自组织算法对AD基因表达数据聚类

4．1 模糊C均值聚类算法

4．2 基于PCA的模糊迭代自组织算法

4．2．1 一维分类算法确定FCM初始聚类中心和聚类数目

4．2．2 模糊聚类算法中模糊指数m的选择

4．2．3 应用迭代自组织数据分析方法控制聚类数目

4．3 基于PCA的模糊迭代自组织算法实现对AD基因表达数据聚类的具体步骤

5 AD候选致病基因的判定依据

6 识别出的AD候选致病基因及其分析

6．1 识别出的AD候选致病基因

6．2 AD候选致病基因分析

7 总结与展望

附录

参考文献

致谢

在校期间科研成果