微阵列数据的多目标免疫优化双聚类  

Biclustering of Microarray Data with Multi-Objective Immune Optimization

作　　者：刘军万[1,2] 李舟军[1,3] 陈义明[1,4] 刘飞飞[5] 

机构地区：[1]国防科学技术大学计算机学院,长沙410073 [2]中南林业科技大学计算机科学学院,长沙410004 [3]北京航空航天大学计算机学院,北京100083 [4]湖南农业大学信息科学技术学院,长沙410128 [5]中南林业科技大学图书馆,长沙410004

出　　处：《生物信息学》2009年第3期234-237,共4页Chinese Journal of Bioinformatics

基　　金：中南林业科技大学青年科学研究基金资助(0702613);国家自然科学基金(60573057)

摘　　要：DNA微阵列技术的发展为基因表达研究提供更有效的工具。分析这些大规模基因数据主要应用聚类方法。最近,提出双聚类技术来发现子矩阵以揭示各种生物模式。多目标优化算法可以同时优化多个相互冲突的目标,因而是求解基因表达矩阵的双聚类的一种很好的方法。本文基于克隆选择原理提出了一个新奇的多目标免疫优化双聚类算法,来挖掘微阵列数据的双聚类。在两个真实数据集上的实验结果表明该方法比其他多目标进化双聚类算法表现出更优越的性能。The development of DNA microarray technologies provides an efficient tool for the experimental study of gene expression. Analysis of those large scale genomies data has initially focused on clustering methods. Recently, biclustering techniques were proposed for revealing submatriees showing unique patterns. Multi-objective optimization approach, which optimizes simultaneously several objectives in conflict with each other, is very good for solving biclustering problem. This paper proposes a novel multi - objective intmune optimization biclustering algorithm based on the clonal selection principle to mining biclusters from microarray data. Experimental are conducted on two real datasets, which shows that multi-objective immune optimization biclustering algorithm exhibits better and more stable performance than other multi - objective evolutionary biclustering algorithrns.

关 键 词：微阵列 双聚类 人工免疫系统 数据挖掘 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] TP391[自动化与计算机技术—控制科学与工程]