Applying Neural Networks to Current Clustering/Validation for Gene Expression Data

瀏覽統計 Email 通知 RSS Feed

簡歷

基本資料

Project title

Code/計畫編號

NSC94-2213-E019-014

Translated Name/計畫中文名

類神經網路應用於基因資訊之同步叢集分析暨驗證

Project Coordinator/計畫主持人

Jung-Hua Wang

Funding Organization/主管機關

National Science and Technology Council

Department/Unit

Department of Electrical Engineering

Website

https://www.grb.gov.tw/search/planDetail?id=1137509

Year

2005

Start date/計畫起

01-08-2005

Expected Completion/計畫迄

31-07-2006

Bugetid/研究經費

604千元

ResearchField/研究領域

資訊科學--軟體

本計畫提出一新型叢集分析方法以應用於基因資訊之處理，該方法係藉結合一新型類神經網路架構(非對稱式引力同步聚合網路，AGAN)之平行運算學習能力以及統計分析方法，期獲致同時進行基因資訊之叢集分析暨驗證(Clustering and Validation)之功效，能大幅改進運算速度及叢集可信度。隨著生物科技的快速發展，基因序列資訊及實驗處理過程與條件控制等相關資料亦快速累積，因此亟需研發高效率的資料處理及分析技術，其能自大量基因表達序列與微陣列基因表達資料庫中，藉叢集分析等方法粹取訊息以找出契合目標生物特性的基因，以配合生命科學、數學、統計等領域的研發成果，乃成為後基因組時代(Post-Genomic Era)資訊計算研究的新課題。然而鑑於以往習知叢集分析方法(如SOM )須先給定分群數目，但最佳的分群數目k卻是未知，導致叢集可信度無法確立。即便預知最佳k值，卻往往受限於隨機給定之初始狀態initialization 而收斂至不正確之local minimum。因此本計畫提出之網路首先利用一前置處理(Minimum Spanning Tree)擷取基因資料點之間垂直隸屬關係，在隨後叢集分析的過程中，該些隸屬關係結合區域統計特徵(如：Error-Tolerant Frequent Itemsets、Silhouette width等)以進行即時驗證目前(current)分群結果，本方法主要技術特徵在於同時進行Clustering 及Validation，達到大幅改進運算速度及叢集可信度之目的。

Keyword(s)

類神經網路
叢集分析
基因資訊
DNA微陣列
非對稱式引力同步聚合

DSpace CRIS

Applying Neural Networks to Current Clustering/Validation for Gene Expression Data

基本資料

Description