skip to main content
語言:
資源種類 顯示結果: 顯示結果: 查詢種類 索引

基於頻譜處理與自我迴歸模式化之基因表現時間序列 = Spectral processing and autoregressive modeling for unsupervised clustering of time-series gene expressions

黎乾元 (資訊工程) 國立臺南大學 資訊工程學系碩士班 民100[2011

可在 府城總館  2樓參考書區  (DC CSIE 100006 )取得(請點選下列選項)

  • 題名:
    基於頻譜處理與自我迴歸模式化之基因表現時間序列 = Spectral processing and autoregressive modeling for unsupervised clustering of time-series gene expressions
  • 著者: 黎乾元 (資訊工程)
  • 國立臺南大學 資訊工程學系碩士班
  • 主題: 非監督式分群 基因表現時間序列 頻譜分析 自我迴歸模式 基因知識本體; Spectral Analysis Autoregressive Model Unsupervised Clustering Time-Series Gene Expressions Gene Ontology
  • 描述: 隨著微陣列晶片技術的進步，使得人們可以同時對數千或數萬個基因在不同時間點進行基因表現分析，所獲得的基因表現時間序列資料量相當龐大，如何利用龐大的基因表現時間序列找出具有相似生物性功能或相互調控關係的基因則是生物資訊領域一個很重要的議題，而分群則是分析像這種大量基因表現資料的主要工具之一。本論文提出了一個結合頻譜分析和自我迴歸模式的方法探討基因表現時間序列的分群問題，除了利用頻譜可以解決時間序列時間位移的問題，同時可以藉由自我迴歸模式表達資料的動態特性。本論文同時使用人工模擬資料以及過去相關論文使用的五組實際生物資料測試所提出演算法的有效性，並與一些傳統上常用的方法進行比較與分析。實驗結果顯示結合頻譜分析和自我迴歸模式的分群演算法能夠有效提升基因表現時間序列分群的結果。最後，本論文並對比較結果進行無母數統計顯著性分析，並且透過基因本體與酵母菌細胞週期基因調控路徑分析生物性意義的關連性。 With the advancements of microarray technology, we can acquire tremendous time-series gene expressions of a large number of genes over different time points in a short time. Those genes with similar expression profiles or with similar expression profiles after some time shifting might be associated with some biological processes or functions. Such genes are termed as co-expressed genes and are expected to be closely related in the same genetic regulatory networks. Clustering is one of the primary tools for analyzing such data. In this thesis, we address the clustering of time-series gene expressions and propose a hybrid of spectral and autoregressive (AR) modeling approach for this problem. The benefit of applying spectral processing lies in its capability to cope
  • 出版者: 碩士論文--國立臺南大學資訊工程學系碩士班, 99學年度
  • 建立日期: 民100[2011
  • 格式: vii, 40葉 : 圖, 表 ; 30公分.
  • 語言: 中文
  • 資源來源: NUTN ALEPH
連結
返回到檢索清單
    臺南大學版權所有 © 2016 NUTN All Rights Reserved

正在檢索遠程資料庫，請稍等