排序方式: 共有11条查询结果,搜索用时 31 毫秒
1.
2.
结合基因功能分类体系Gene Ontology筛选聚类特征基因 总被引:3,自引:0,他引:3
使用两套基因表达谱数据,按各基因的表达值方差,选择表达变异基因对样本聚类,发现一般使用方差较大的前10%的基因作为特征基因,就可以较好地对疾病样本聚类。对不同的疾病,包含聚类信息的特征基因有不同的分布特点。在此基础上,结合基因功能分类体系(Gene Ontology,GO),进一步筛选聚类的特征基因。通过检验在Gene Ontology中的每个功能类中的表达变异基因是否非随机地聚集,寻找疾病相关功能类,再根据相关功能类中的表达变异基因进行聚类分析。实验结果显示:结合基因功能体系进一步筛选表达变异基因作为聚类特征基因,可以保持或提高聚类准确性,并使得聚类结果具有明确的生物学意义。另外,发现了一些可能和淋巴瘤和白血病相关的基因。 相似文献
3.
4.
三江并流区域野生青刺果植物资源及合理开发浅析 总被引:2,自引:0,他引:2
对青刺果的植物学特性及分布范围、理化指标和营养价值进行详细的分析,从多个角度探讨了它的的开发、利用价值,并结合三江并流区域内野生青刺果植物资源的分布、利用情况,提出了开发与保护的可持续发展问题。 相似文献
5.
6.
GO功能类与基因差异表达的关联规则挖掘算法 总被引:1,自引:0,他引:1
针对基因功能分类体系Gene Ontology的层次结构特点,修改关联规则挖掘算法Apriori,开发“挖掘与基因差异表达关联的GO功能组合”软件(RuleGO).RuleGO以基因表达谱上的差异表达基因集合和不差异表达基因集合为输入,输出组合特征功能类与基因差异表达现象的关联规则,有助于解释基因差异表达现象的本质原因,如疾病发病机制、药物作用机理等.将RuleGO 和OntoExpress应用在结肠癌和腺癌表达谱数据集上,结果显示,RuleGO比OntoExpress能发现更多的与差异表达现象关联的特征功能类,更能看到在OntoExpress上不能发现的组合特征功能类.另外,结果显示,将规则的置信度和支持度要求设置较高时,一般只有组合功能类才能满足要求,这提示在基因表达谱分析中不宜采用单个角度的单个功能分类单元,考虑功能分类单元的组合可能更有意义. 相似文献
7.
与实验条件相关的基因功能模块聚类分析方法 总被引:2,自引:0,他引:2
针对细胞内基因功能模块化的现象,定义了“基因功能模块”和“特征功能模块”两个概念,并基于这两个概念提出一种“与实验条件相关的基因功能模块聚类算法”。该算法综合利用基因功能知识与基因表达谱信息,将基因聚类为与实验条件相关的基因功能模块。向基因表达谱中加入水平逐渐升高的数据噪音,根据基因功能模块对数据噪音的抵抗力,确定最稳定的基因功能模块,即特征功能模块。加噪音实验显示,在基因芯片技术可能发生的噪音范围内,该算法对噪音的稳健性优于层次聚类和模糊C均值聚类。将模块聚类算法应用在NCI60数据集上,发现了8个与实验条件高度相关的特征功能模块。 相似文献
8.
利用有限个实验条件下的基因表达谱数据,只能对与实验条件相关的基因功能类进行有效预测,所以有必要限定可预测的基因功能类范围。据此,首先基于GeneOntology(GO)选择富集差异表达基因与实验条件相关的功能类。再通过支持向量机分类器,深化预测迄今只注释到实验条件相关功能类的父结点的基因是否属于该实验条件相关功能类。应用于一套酵母基因表达谱数据,结果显示,在剔除了高度不平衡的训练集合后,平均真阳性率(precision)与平均覆盖率(recall)都分别达到了71%与47%以上。 相似文献
9.
10.