[发明专利]基于可视图算法的基因表达时序数据分类方法

说明书

本发明公开了一种基于可视图算法的基因表达时序数据分类方法，包括：1)构建基础网络，根据已经进行预处理的基因表达时序数据选取数据条，通过可视图算法构建可视图与连接图，并确定共表达网络的基本结构；2)根据得到的基础网络提取相关传统特征；3)利用二阶随机行走与神经网络模型学习得到基础网络中各个基因节点的特征向量；4)整合基础网络的特征，通过密度聚类算法，基于得到的基础网络的特征使用不同策略，完成对基因表达时序数据的分类。本发明提供一种具有良好的精度和实用性能，采用可视图基础网络构建和节点特征向量提取以及密度聚类算法实现基因表达时序数据分类的方法。

技术领域

本发明属于生物信息技术领域，具体涉及一种基于可视图算法的基因表达时序数据分类方法。

背景技术

在当今医学研究领域与大数据分析领域中，基因数据作为数据基础起到了至关重要的作用。其中，基因表达数据作为基因转录产物mRNA在细胞中丰度的反映，可以用于基因表达变化、基因间相互关系以及影响基因表达的环境因素的分析。它们在医学临床诊断、药物疗效判断、揭示疾病发生机制等方面都有重要的应用。

目前，高通量检测基因组mRNA丰度的方法主要是cDNA微阵列、寡核苷酸芯片，随着cDNA微阵列和寡核苷酸芯片等高通量检测技术的发展，人们可以从全基因组水平定量或定性检测基因转录产物mRNA。由于生物体中的细胞种类繁多，同时基因表达具有时空特异性，因此，基因表达数据与普通基因组数据相比，复杂性更高，数据量更大，数据增长速度更快。

但是，时序数据通常具有高维度、大规模的特征，且存在噪音干扰，因此，传统数据分析、常用经典数据挖掘算法均不能很好地对结构复杂的时序数据进行挖掘与分析。这样，对时序数据的挖掘与分析方法进行创新与发现具有重要意义。

网络，作为对节点间相互关系、连接以及各类加权信息的可视化反映，提供了另一种研究复杂系统与数据的角度和切入点。即在研究一个复杂系统时，将其抽象成许多子系统的重合，这些子系统可视为网络中的节点，网络的边就是子系统间的相互联系。如此，通过对网络相关特征的总结与挖掘，可得到对应系统的相关规律与特征。

因此，深入理解时序数据的网络理论，并将其运用到实际的基因表示时序数据分析中，获取基因的功能类别和调控关系以及样本类别等重要信息，具有极其重要的理论与实践意义。

发明内容

针对基因表达时序数据的复杂性，本发明的目的是提供一种基于可视图算法的基因表达时序数据分类方法，以此来提高对基因表达时序数据分类的准确性。

为实现上述发明目的，本发明提供以下技术方案：

一种基于可视图算法的基因表达时序数据分类方法，包括以下步骤：

(1)对原始基因表达时序数据依次进行噪声清除、缺失数据补充以及三维坐标展示预处理，获得多个数据条，每个数据条表示每个样本的每个基因在全时间段下的表达数据值；

(2)针对每个数据条，利用可视图算法对数据条进行映射后，构建基因网络，在构建的基因网络中，每个节点表示与数据条对应的样本基因在每个时刻的表达数据值；

(3)根据构建的基因网络中的节点以及节点之间的连接关系，提取基因网络的节点平均度、平均路径长度以及聚类系数；

(4)利用弱随机游走模型获得基因网络中的每个节点的游走序列；

(5)以节点的游走序列对应的分布式特征向量作为输入，以构建的实数形式的分布式特征向量作为监督输出，对神经网络进行训练，训练结束后，将节点的游走序列对应的分布式特征向量与最终输入权重矩阵的乘积作为该节点的特征向量；

(6)将基因网络的节点平均度、平均路径长度以及聚类系数以各占一个维度的方式添加到每个节点的特征向量中，获得基因网络的特征；