一种基于投影聚类的无监督表型区分算法.pdf

一种基于投影聚类的无监督表型区分算法王章辉赵宇海王国仁李源琖摘要高通量微阵列技术与手工表型标定方式间的矛盾导致了基因表达数据的获取与表型确定间的不平衡．然而，已有的表型区分方法大多是有监督的，并且通常忽略了基因间广泛存在的相互作用，根据单个粜约疉��，�，⋯，��构成．如果对某个对象����嬖谑粜约�螦�����闶��和式�����称属性子集�为对象�的等价维组．其中，�＃���对象�谑粜訽『上的表达值，艿为用户给定的等价阈值．定义��燃畚�樾蛄校��ㄊ�菁疍，由对象集�褪粜约疉��＃琣。，⋯，��构成．假设对象��蔕的等价维组分别为���趎，�⋯，口。��其中�躶���琹�濉躶．如果�∈�，�，�∈��口叠，口谴�，⋯，��，⋯，���¨�—������，王章辉等：一种基于投影聚类的无监督表型区分算法趔图��蚣涞南嗷ス叵�七蚓懈因醐������≈口．，∈�����狝�●蔔��肛⋯㈤���∑��！！＃�∑��尽�／�，��一�忌�弧啤芼��，��÷睇，【���椒沧有蛄邢骷��蓿�闿，⋯，�∈�『，�满足�．妇����，⋯，��，则称属性集合序列��。⋯�Ｎ6韵驩，对应的等价维组序列，表示为���趂�口����凇����定义��┟�蚿�����．给定属性集合��冢��凇＃���凇�和一个等价维组序列集合�。，�海��琒。��绻�嬖谝桓鲎有蛄蠺，满足�∈�，�，�！軹，则称集合�，，�＃��琒。�械牡燃畚��序列拥有共同的签名���徊剑�偕鑄—��：⋯�＃�且�∈�，夕�瑂���虺芓���⋯�Ｎ猄���，⋯，�５囊桓鯬—������渲蠽�琠『∈�，户��定义��賡����差异度量．任意给定���和��洳钜於攘勘欢ㄒ逦#�其中����矶�和�两个少�����洳煌��元素个数；���代表�和�两个������婕�的所有元素个数，�����淼趇个相同元素的偏移位数，�和�分别代表两个������某�度，�４�砹礁鲂蛄邢嗤�脑K馗鍪��定义��队熬劾嘀柿亢�����个数据集��伤「鲇盼�占涞亩韵笞槌桑��扛龆韵蟮某�维数据转化成序列数据进行聚类．假定某次投影聚类划分对象为�鼍劾啵�直鹞狢。，�＃��珿，其对应的������猅�琻，⋯，瓦，则投影聚类的质量函数被定义为其中��，��为任意两个������牟钜�度量值，�何W楹铣Ｊ��根据��节中给出的基本概念和相关定义，表型区分算法��可被描述为：�给定一个靠×优的基因表达矩阵�����，其中疗为样本，�;�颍��用户指定等价阈值艿，艿∈�，�．挖掘�志�W畲蟮囊蛔橥队熬劾鄘��珻������推涠杂Φ膒������。，�，⋯，�，并且满足：�璶�⑦．为了快速地进行样本划分，需要首先删除所有样本的平凡子序列，现引入平凡子序列的概念．定义��椒沧有蛄校��ǖ燃畚�樾蛄屑���。，�，⋯，��．假如存在一个序列���鉜���，仇�琒�軵，称序列�P蛄屑瘂�＃琒。，⋯，�的平凡子序列．以下，将以表�械闹湫杏帕形⒄罅惺�菁��例，详细介绍平凡子序列的削减过程．若无特殊指定，参数艿一��．首先，根据定义�投ㄒ�采用滑动窗口的方式快速得到每个样本的等价维组序列，并对每个等价维组的左右边界进行标识．图��隽硕杂τ诒��忻扛鲅�镜牡燃畚�樾蛄校�在计算等价维组序列的过程中，同时建立一个发生矩阵�和一个位置矩阵�．矩阵�记录每个等价维