基因表达数据之中隐含基因之间的相 互作用关系，因而可以通过分析基因 表达数据，构建基因调控网络。
几种基因调控网络模型
1、布尔网络模型
前一个状态 后一个状态
ABC ABC
作用规则 (1) A激活B (2) B激活A和C (3) C抑制A
系统运行轨迹
循环 A B C
1 110 2 111 3 011 4 001 5 000 6 000
一个基因网络由一组生物分子（如基因、蛋 白质）以及它们之间的相互作用构成，这些 生物分子共同完成一些特定的细胞功能任务。
在实际分析过程中，往往以图这种数据结构 表示基因网络，图中的节点代表基因或者蛋 白质，而节点之间的连线代表基因、蛋白质 之间的相互作用。基因网络描述了特定细胞 或组织中的功能路径，如代谢、基因调控， 信号传导等。
当一个基因通过转录、翻译形成功能 基因产物后，它将改变细胞的生化状 态，从而直接或间接地影响其它基因 的表达，甚至影响自身的表达。多个 基因的表达不断变化，使得细胞的生 化状态不断地变化。
一个基因的表达受其它基因的影响， 而这个基因又会影响其它基因的表达， 这种相互影响、相互制约关系构成了 复杂的基因表达调控网络。
聚类分析是模式识别中一种非常有吸 引力的方法，特别适用于模式分类数 不知道的情况。
从机器学习的角度来看，有两种基本 的聚类分析：
有教师聚类 无教师聚类
基因表达数据聚类分析一般包括以下 几个步骤：
（１）确定基因表达的数据
（２）计算相似性矩阵，各个矩阵元素代 表两个基因的表达是否相似 （３）选择算法进行聚类分析 （４）显示分析结果。
NACPH
表达
催化
ProCΒιβλιοθήκη 1-吡咯啉-5-羧基还原酶
反应
抑制
产生 脯氨酸
图9.17 代谢路径示例：脯氨酸的生物合成
NADP
基因表达实际上是细胞、组织、器官 受遗传和环境影响的结果。
一个基因的转录和表达由细胞的生化 状态所决定，在一个基因的转录过程 中，一组转录因子作用于该基因的启 动子区域，控制该基因转录，而这些 转录因子本身又是其它基因的产物。
5、基因调控网络实例
代表的基因归于第j类。按照上述办法处理所有的基 因；
• 经过上述处理，聚类可能发生变化，因此需要重新 计算K个新聚类中心：
1
Z j (l 1)
Nj
X
Xf j (l)
• 对于所有的聚类中心，如果Zj(l+1)=Zj(l)(j=1,2,…,K)， 则迭代结束，得到最后的聚类结果；否则继续进行 迭代计算。
第九章 数据挖掘与基因表达调控信息分析（2）
主讲人：孙 啸 制作人 ：刘志华
东南大学 吴健雄实验室
第四节 基因表达数据的聚类分析
基因表达数据主要来自于两个方面：
一是基因芯片，这是最主要的表达数据来 源，利用基因芯片技术可以大规模并行获 取基因转录结果mRNA的数据。
表达系列分析SAGE和差异显示、蛋白质芯 片等是快速检测蛋白质及其含量的另一类 技术。
2、线性组合模型
线性组合模型是一种连续网络模型，在这种 模型中，一个基因的表达值是若干个其它基 因表达值的加权和。基本表示形式为：
Xi (t t) wij X j (t)
j
3、加权矩阵模型
加权矩阵模型与线性组合模型相似，在该模 型中，一个基因的表达值是其它基因表达值 的函数。
ri (t) Wiju j (t)
表达
ProB
谷氨酰激酶
谷氨酸盐
ATP
底物 催化
反应 产生
底物 产生
谷氨酰磷酸脂
ADP
图9.16 基因表达在化学催化中的作用
抑制
谷氨酸盐
ATP
表达
ProB
谷氨酰激酶
催化
反应
产生
谷氨酰磷酸脂
ADP NADPH；H+
表达
催化
ProA
谷氨酰磷酸脂还原酶
反应
产生
NADP
谷氨酰半醛 自然产生
H2O
1-吡咯啉-羧基
4、自组织映射神经网络
图9.12 SOM聚类结果示意
5、模糊聚类分析方法
主要过程： （1）建立模糊相似矩阵 （2）生成模糊等价矩阵 （3）构建动态聚类图
6、聚类结果显示
图9.15 基因表达模式聚类结果图示
分类分析方法
有监督学习 疾病诊断、细胞类型识别
样本分类：（例） •急性淋巴细胞白血病(ALL) •急性髓性白血病(AML)
例：两类划分
问题：
基因的选择？
分类的方法？
• 贝叶斯分类法 • 支持向量机（SVM） • k最近邻法 • 神经网络方法 • 决策树方法 • 投票分类法（多分类器）
7、主成分分析PCA
图9.13 主元素对应特征值图示
分析基因表达数据 发现与疾病直接相关的基因 发现这些基因的活动规律
第五节 基因调控网络分析
j
4、互信息关联网络
可以用距离或相关系数作为基因表达模式之 间的相似性度量，还可以用另外一种度量形 式，即用熵和互信息描述基因与基因的关联。 一个基因表达模式的熵是该模式所含信息量 的度量。设X是一个基因表达模式，用下式 计算熵：
n
H ( X ) P(xi ) log 2 (P(xi )) i1
• 假设与第j类的距离Dij最小，并且Dij<T，则 将基因i分配到第j类；否则生成一个新类，该 类的中心为第i个基因的表达向量。
2、层次式聚类
3、K平均聚类
• 任意选取K个基因表达向量作为初始聚类中心
Z1, Z2,…, Zk • 反复迭代计算 • 如果||X-Zj(l)||< ||X-Zi(l)||(i=1,2,…,K,ij)，则将X所
对数据进行聚类分析之前，必须将包含在基 因表达矩阵中的数据进行相似程度分析，并 且对分析结果进行量化。
通常情况下，相似往往被赋于一个较大的量 化的值，而不相似则由一个较小的量化的值 来表示。
在实际计算中，往往以距离代替相似的概念， 相似性度量被转化为两个基因表达模式之间 的距离。距离越小，表达模式越相近，反之， 则表达模式差异大。
几种常用的聚类方法
1．简单聚类 2．层次式聚类 3．K平均聚类 4．自组织映射神经网络 5. 模糊聚类分析方法 6、聚类分析结果的树图表示
1、简单聚类
假设有n个基因
表达数据向量分别为X1, X2,…, XN
• 令任意一个基因的表达向量为第一个聚类的中心
• 依次处理其它基因
• 在处理第i个基因时，首先计算该基因的表达 数据向量与现有各类中心的距离