相对行常量差异共表达双聚类挖掘算法

？在生物信息学上，挖掘差异共表达双聚类有助于研究衰老、癌变类变化的生物过程。以往的差异共表达双聚类定义仅仅从一组基因的角度来衡量差异，导致包含了很多噪声。为了克服上述缺点提出新的差异共表达支持度misupport，可以将一组基因的差异细化到基因级别；并由此定义提出micluster算法，可以在两个真实的基因芯片数据中挖掘最大的差异共表达双聚类。micluster算法首先基于两个基因芯片数据构建差异共表达权值图，然后基于权值图，采用样本扩展和层次扩展，并利用精确的候选产生方法和高效的剪枝策略，挖掘出最大的差异共表达双聚类。实验结果证明,micluster算法比现有的算法快速高效，而且通过均方误差(mse)测试和基因本体(go)评价，挖掘出来结果具有更大的统计意义和生物学意义。