李 梁，陈佳瑜

(重庆理工大学 计算机科学与工程学院，重庆 400054)

基于粒子群算法的基因表达谱聚类分析方法

李 梁，陈佳瑜

(重庆理工大学 计算机科学与工程学院，重庆 400054)

双向聚类算法可以发现基因表达谱中隐藏的信息。为了寻找规模较大的基因相似矩阵，结合粒子群算法强大的搜索能力，提出了GP-Cluster双向聚类算法。基于粒子群(PSO)算法，引入Sigmoid函数进行动态调整，并在粒子飞行过程中加入了遗传算法(GA)“优胜劣汰”的思想，增加粒子运动的多变性和随机性，避免算法陷入局部最优。实验结果证明:相比GA算法和PSO算法，改进后的混合粒子群算法GP-Cluster能找到质量更佳的双向聚类，取得更好的聚类效果。

数据挖掘；基因表达谱；双向聚类；粒子群算法；遗传算法

随着生物技术的迅速发展，出现了基因芯片和DNA微阵列等高通量检测技术，人们已经可以对某一特定状态下的组织或细胞进行基因表达谱的测序。而具有相似表达谱的基因之间很有可能存在某种联系，可以通过聚类的方法，将表达水平相近的基因聚在同一个类中，从而发现未知基因的功能和具有生物科学价值的基因信息。

目前，基因表达数据分析最常用的方法是聚类。但是传统的聚类方法在分析基因数据时会受到很大的限制，因为某些基因只在部分特定条件下才会表现出相似特性，而不是这些基因在所有条件下表现都相似。为了更好地寻找有价值的基因聚类，Cheng和Curch[1]于2000年提出了一种基于贪心策略的双向聚类算法(又称CC算法)，第1次将双向聚类应用于基因表达谱的聚类上。……