与实验条件相关的基因功能模块聚类分析方法

摘要

针对细胞内基因功能模块化的现象,定义了"基因功能模块"和"特征功能模块"两个概念,并基于这两个概念提出一种"与实验条件相关的基因功能模块聚类算法".该算法综合利用基因功能知识与基因表达谱信息,将基因聚类为与实验条件相关的基因功能模块.向基因表达谱中加入水平逐渐升高的数据噪音,根据基因功能模块对数据噪音的抵抗力,确定最稳定的基因功能模块,即特征功能模块.加噪音实验显示,在基因芯片技术可能发生的噪音范围内,该算法对噪音的稳健性优于层次聚类和模糊C均值聚类.将模块聚类算法应用在NCI60数据集上,发现了8个与实验条件高度相关的特征功能模块.