软件学报

作者：石险峰,刘学军,张礼

单位：石险峰，南京航空航天大学 计算机科学与技术学院, 江苏 南京 21110611,刘学军，南京航空航天大学 计算机科学与技术学院, 江苏 南京 21110602,张礼，南京林业大学 信息科学技术学院, 江苏 南京 21003703

关键词：RNA-seq;聚类分析;负二项分布;拉普拉斯方法;混合t分布

基金：国家自然科学基金（61170152）；航空基金（20151452021）

基因的聚类分析是基因表达数据分析研究的重要技术，它按照表达谱相近原则将基因表达数据归类，探究未知的基因功能.近年来，RNA-seq技术广泛应用于测量基因表达水平，产生了大量的读段数据，为基因表达聚类分析提供了充分条件.由于读段非均匀分布的特性，对读段计数一般采用负二项分布进行建模.现有的负二项分布算法和传统的聚类算法对于聚类分析都是直接对读段计数进行建模，没有充分考虑实验本身存在的各种噪声，以及基因表达水平测量的不确定性，或者对聚类中心的不确定性考虑不够.基于PGSeq模型，模拟读段的随机产生过程，采用拉普拉斯方法考虑多条件多重复基因表达水平之间的相关性，获得了基因表达水平的不确定性，联合混合t分布聚类模型，提出PUseqClust （propagating uncertainty into RNA-seq clustering）框架进行RNA-seq读段数据的聚类分析.实验结果表明，该方法相比其他方法获得了更具生物意义的聚类结果.

来源：2019年第9期

《软件学报》期刊编辑部

查看软件学报杂志2019年第9期