一种深度挖掘共表达基因的新型基于粒度的双聚类方法
计算机视觉与模式识别
2020-05-13 v1 人工智能
信号处理
摘要
传统聚类方法在处理庞大且异质的基因表达数据组时存在局限性，这促使了双聚类方法的发展。双聚类方法用于挖掘在测试条件下其样本（基因）子集受到共同调节的双簇。研究表明，从基因表达数据中挖掘具有一致趋势和相似波动程度趋势的双簇在生物信息学研究中至关重要。遗憾的是，传统的双聚类方法在发现此类双簇时并不完全有效。因此，我们在此引入粒计算理论，提出了一种新型双聚类方法。在所提方案中，被视为一组时间序列的基因数据矩阵被转换为一系列有序的信息粒。利用这些信息粒，我们构建了基因数据的特征矩阵，以捕获连续条件间表达值的波动趋势，从而挖掘理想的双簇。实验结果与理论分析一致，并展示了所提方法的优异性能。
引用
@article{arxiv.2005.05519,
title = {A Novel Granular-Based Bi-Clustering Method of Deep Mining the Co-Expressed Genes},
author = {Kaijie Xu and Witold Pedrycz and Zhiwu Li and Yinghui Quan and Weike Nie},
journal= {arXiv preprint arXiv:2005.05519},
year = {2020}
}