一种用于预测基因作为药物靶点的新型反聚类过滤算法
计算工程、金融与科学
2012-11-12 v1 基因组学
摘要
微阵列实验产生的高通量数据提供了在特定条件下细胞或生物体中表达的全部基因集。对这些海量数据的分析为研究人员开辟了新的维度。本文描述了一种用于微阵列数据分析的新型算法，重点识别在特定内部或外部条件下差异表达且可能成为潜在药物靶点的基因。该算法以时间序列基因表达数据为输入，识别差异表达的基因。它实现了基于统计的标准基因功能研究方法，如对数变换、均值、Log-Sigmoid 函数、变异系数等。该算法不使用聚类分析。所提出的算法已用 Perl 实现。为了验证该算法，采用了来自斯坦福微阵列数据库 (SMD) 的酵母 Saccharomyces cerevisiae 的时间序列基因表达数据，包含 6154 个基因。所开发的方法从总共 6154 个基因中提取了 48 个基因。这些基因主要负责酵母在高温下的抗性。
引用
@article{arxiv.1211.2194,
title = {A Novel Anticlustering Filtering Algorithm for the Prediction of Genes as a Drug Target},
author = {Khalid Raza and Akhilesh Mishra},
journal= {arXiv preprint arXiv:1211.2194},
year = {2012}
}
备注
6 pages, 2 figures and 1 table