2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基因表达数据的聚类分析研究进展

岳峰 孙亮 王宽全 王永吉 左旺孟

岳峰, 孙亮, 王宽全, 王永吉, 左旺孟. 基因表达数据的聚类分析研究进展. 自动化学报, 2008, 34(2): 113-120. doi: 10.3724/SP.J.1004.2008.00113
引用本文: 岳峰, 孙亮, 王宽全, 王永吉, 左旺孟. 基因表达数据的聚类分析研究进展. 自动化学报, 2008, 34(2): 113-120. doi: 10.3724/SP.J.1004.2008.00113
YUE Feng, SUN Liang, WANG Kuan-Quan, WANG Yong-Ji, ZUO Wang-Meng. State-of-the-art of Cluster Analysis of Gene Expression Data. ACTA AUTOMATICA SINICA, 2008, 34(2): 113-120. doi: 10.3724/SP.J.1004.2008.00113
Citation: YUE Feng, SUN Liang, WANG Kuan-Quan, WANG Yong-Ji, ZUO Wang-Meng. State-of-the-art of Cluster Analysis of Gene Expression Data. ACTA AUTOMATICA SINICA, 2008, 34(2): 113-120. doi: 10.3724/SP.J.1004.2008.00113

基因表达数据的聚类分析研究进展

doi: 10.3724/SP.J.1004.2008.00113
详细信息
    通讯作者:

    岳峰

  • 中图分类号: TP39

State-of-the-art of Cluster Analysis of Gene Expression Data

More Information
    Corresponding author: YUE Feng
  • 摘要: 基因表达数据的爆炸性增长迫切需求自动、有效的数据分析工具. 目前聚类分析已成为分析基因表达数据获取生物学信息的有力工具. 为了更好地挖掘基因表达数据, 近年来提出了许多改进的传统聚类算法和新聚类算法. 本文首先简单介绍了基因表达数据的获取和表示, 之后系统地介绍了近年来应用在基因表达数据分析中的聚类算法. 根据聚类目标的不同将算法分为基于基因的聚类、基于样本的聚类和两路聚类, 并对每类算法介绍了其生物学的含义及其难点, 详细讨论了各种算法的基本原理及优缺点. 最后总结了当前的基因表达数据的聚类分析方法,并对发展趋势作了进一步的展望.
  • 加载中
计量
  • 文章访问数:  3403
  • HTML全文浏览量:  76
  • PDF下载量:  3303
  • 被引次数: 0
出版历程
  • 收稿日期:  2006-11-01
  • 修回日期:  2007-10-26
  • 刊出日期:  2008-02-20

目录

    /

    返回文章
    返回