基于概率模型的基因芯片数据分析

基因芯片技术是近十年来生命医学研究中的一种重要工具，针对基因芯片数据的分析成为近年来生物信息学领域一个新兴的研究热点。针对芯片数据的高噪声特性，本课题采用概率模型对广泛使用的GeneChips芯片数据进行各个阶段的分析处理。基于申请人先前研究基础提出以下几项研究：(1)改进自身先前提出的一个原始数据的概率分析模型multi-mgMOS，使其更加准确地估计基因表达水平的概率分布，并提高其计算速度；(2)运用寻找差异基因模型PPLR对该改进模型性能进行检验；(3)对基因表达数据聚类分析设计一个通用的聚类方法，考虑基因表达水平的概率分布，能够对具有重复实验的基因数据进行聚类，并且能够在参数学习中自动确定聚类的最优类别数；(4)通过GeneChips芯片数据对该聚类方法进行性能论证。本研究将为基因芯片数据处理提供一系列高性能的概率模型，为分子水平上的功能基因组研究以及功能基因的发现提供有力帮助。