摘要
表型结构发现是微阵列数据分析中的重要问题之一。目标是:(1)找到不同表型(如疾病或正常)对应的样本组,以及(2)对于每组样本,找到区分该组与其他组的代表性表达模式。与现有的基于单例判别的方法和基于组合判别的方法不同,本文提出了一种新的方法。基于所提出的g*序列模型,开发了一种从给定数据集中挖掘最佳表型结构的高效算法FINDER。此外,设计了几种有效的修剪策略以提高效率。在合成和真实微阵列数据集上进行的实验表明,FINDER发现的表型结构具有统计学和生物学意义。此外,FINDER的速度比其他方法快2~3个数量级。
选择感兴趣的语言以查看感兴趣的语言的全部内容
阅读更多