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)。