Mining Gene Expression Profiles: An Integrated Implementation of Kernel Principal Component Analysis and Singular Value Decomposition
摘要
在不同试验性的条件下面显示出类似的侧面的基因的察觉经常是在推断如此的基因的生物意义的起始的步。可视化工具被用来在 microarray 研究与类似的侧面识别基因。给在 microarray 实验记录的基因的大数字,基因表示数据通常在一个低维的阴谋上被显示,基于线性方法。然而, microarray 数据表演非线性由于在基因之间的相互作用的高顺序的条款,那么其他的途径例如内核方法,可能是更适当的。我们介绍联合核主管部件分析(KPCA ) 和 Biplot 设想基因表示侧面的一种技术。我们的途径依靠输入矩阵的单个值分解并且合并包含 KPCA 的另外的步。我们的方法的主要性质在输出显示器是非线性的特征和输入变量(基因) 的保藏的抽取。我们把这个算法用于冒号肿瘤,白血病和淋巴瘤数据集。我们的途径表明基因表示的内在的结构介绍并且提供更多基因和样品协会的直觉的理解。
引用本文(GB/T 7714)
Ferrán, Reverter, Esteban, 等. Mining Gene Expression Profiles: An Integrated Implementation of Kernel Principal Component Analysis and Singular Value Decomposition[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2010.
引文网络
本站仅收录题录与摘要供学习参考,全文版权归属出版方;如有侵权请联系我们删除。