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）通过定量PCR收集基因表达数据，该研究的目的是在本研究中收集基本数据进行小分析。目前，采用了一种定量PCR方法作为一种可以测量表达基因的方法，并在良好的定量性中及时收集数据。（2）模糊K-均值聚类方法的最佳簇数确定方法通常是作为从DNA芯片获得的遗传表达数据处理，等等。去年，我们改编了模糊K-均值聚类，将模糊理论适应K-均值聚类，以适应时间序列DNA芯片数据。已经证实，与常规方法相比，该方法不太可能受到实验错误引起的噪声的影响，并且有效地分析了诸如DNA芯片。但是，在聚类分析中，必须提前给出多少个小组的信息，如果有生物学知识，则可以根据该知识确定，但是几乎没有知识当前的情况是，它是通过“适当的”来决定的。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，我们引入了一个指标，表明群集分为良好，将用于确定组（群集）。至于要分析的数据，微分解数据是在胚芽酵母的孢子形成过程中选择的。在此数据中的大约6000个基因中，已经在其他实验中证实了45个基因的时间序列数据。该数据从生物学知识中分为六组。作为群集分配得很好的指标，请考虑簇之间的分离（簇之间的距离越大）和群集的大小（群集中的数据距离越小）更好。因此，当将各种指标视为候选者并进行了分析时，很明显，包含上述条件的新指标是确定簇数量的最佳指标。