知識情報処理的手法を用いたDNAチップからの遺伝子ネットワーク解析

使用知识信息处理方法对 DNA 芯片进行基因网络分析

基本信息

批准号：
16014218
负责人：
花井泰三
金额：
$ 3.07万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
2004
资助国家：
日本
起止时间：
2004 至无数据
项目状态：
已结题

项目摘要

(1)定量PCRによる遺伝子発現データの収集本研究で解析を小なうための基礎データ収集を目的として、酵母の遺伝子発現データを収集した。この際、発現遺伝子量を定量性よく測定できる方法として、定量PCR法を採用し、データを採取した。(2)Fuzzy k-meansクラスタリングの最適クラスタ数決定法DNAチップなどから得られる遺伝子発現データ処理として、一般的に(遺伝子のグループ化)クラスタリング解析が行われている。我々は昨年度、k-meansクラスタリングにFuzzy理論を適応したFuzzy k-meansクラスタリングを時系列DNAチップデータに適応した。この方法は、従来法と比較し、実験誤差に起因するノイズの影響を受けにくく、DNAチップなどの解析に有効であることが確認できた。しかし、クラスタリング解析においては、いくつのグループに分けるのかという情報はあらかじめ解析者が与える必要があり、生物学的な知見が有ればその知見に基づいて決定できるものの、ほとんど知見がない現象に対しては、試行錯誤的に「適当に」決められているのが現状である。これが実データを解析する際に、クラスタリング解析の大きな問題とされてきた。そこで、本年度はクラスタがうまく分かれているという指標を導入し、グループ(クラスタ)数を決定する際に利用することとした。解析対象データとしては、出芽酵母の胞子形成過程におけるマイクロアレイデータを選んだ。このデータの約6000遺伝子の中で、機能や発現時期が他の実験で確認されている45遺伝子の時系列データを解析した。このデータは、生物学的知見から6つのグループに分けられている。クラスタがうまく分かれているという指標としては、クラスタ同士の分離(クラスタ間距離が大きいほどよい)、クラスタの大きさ(クラスタ内のデータ距離が小さいほどよい)を考えればよい。そのため、様々な指標を候補として考え、解析を進めたところ、上記二つの条件を組み込んだ新たな指標が、クラスタ数を決定するためにはもっともよい指標となることが明らかになった。

（1）收集通过定量PCR酵母基因表达数据收集基因表达数据，目的是收集基本数据以减少本研究中的分析。目前，采用了一种定量PCR方法作为一种方法，该方法允许定量测量表达基因的量，并收集了数据。（2）通常，用于确定模糊K-均聚类分析的聚类数量的最佳聚类方法通常是作为从DNA芯片等获得的基因表达数据的处理。与常规方法相比，该方法不太容易受到实验误差引起的噪声影响的影响，并且有效地分析了DNA芯片等。但是，在聚类分析中，分析师必须提前提供有关要分为多少群体的信息，尽管可以根据该知识确定生物知识，但目前的情况是，对于没有知识的现象，该决定是通过试验和错误“适当地”做出的。在分析实际数据时，这被认为是聚类分析的主要问题。因此，今年我们提出了一个指标，表明集群分割良好，并用来确定组数量（簇）。选择酵母菌孢子形成过程中的微阵列数据作为要分析的数据。在此数据中的大约6,000个基因中，分析了45个基因的时间序列数据，这些基因的功能和表达时间已在其他实验中得到了证实。根据生物学发现，该数据分为六组。作为群集分离良好的指标，可以考虑簇的分离（群集之间的距离越大，簇之间的距离越好）和群集的大小（群集中数据之间的距离越小，它们之间的距离越好）。因此，当将各种指标视为候选者并进行分析时，揭示了一个新的指标纳入上述两个条件将是确定簇数量的最佳指标。