Heka基因周期表达数据聚类及功能分析
 |
| 第1页 |
参见附件(2776KB，4页)。
摘要 目的：进一步了解与宫颈癌相关基因的功能以及作用关系。方法：根据Hela基因周期表达数据的时序特点，提出了KLCC聚类法。该方法以K-means法为平台，以基因间的局部相关系数(Local Correlative Coefficient，Lcc)为相关性测度，并对K-means法进行了相应的改进，根据基因间的相关关系，分批对基因聚类。结果：在对Hela基因周期表达数据的聚类分析中，得到9个显著的功能类，其中有3个与肿瘤紧密相关，具有优于当前常用算法的性能。结论：KLCC法能够有效地识别Hela基因周期表达数据中的局部相关和异步相关，并对其进行功能显著的聚类，为官颈癌的基因治疗提供参考和依据。
您现在查看是摘要介绍页，详见PDF附件(2776KB，4页)。