基因微阵列数据的耦合双向聚类分析
生物物理
2009-11-06 v1 计算物理
数据分析、统计与概率
定量方法
摘要
我们提出一种用于基因微阵列数据分析的新颖耦合双向聚类方法。其主要思想是识别基因与样本的 subsets，使得当其中之一用于聚类另一者时，浮现出稳定且显著的划分。对此类子集的搜索是一项计算复杂的任务：我们提出一种基于迭代聚类的算法来执行该搜索。该分析特别适用于基因微阵列数据，其中多种生物机制对基因表达水平的贡献纠缠于大量实验数据中。该方法应用于两个基因微阵列数据集，分别关于结肠癌与白血病。通过识别数据的相关子集并聚焦于它们，我们得以发现当使用完整数据集进行分析时被掩盖和隐藏的划分与相关性。其中部分划分具有清晰的生物学解释；其余可用于确定未来研究的可能方向。
引用
@article{arxiv.physics/0004009,
title = {Coupled Two-Way Clustering Analysis of Gene Microarray Data},
author = {G. Getz and E. Levine and E. Domany},
journal= {arXiv preprint arXiv:physics/0004009},
year = {2009}
}