对Caenorhabditis elegans单细胞基因表达数据的树状时间序列的双聚类分析
Qi Guan1, Xianzhong Yan1, Yida Wu1
1School of Mathematical Sciences, Xiamen University, Xiamen, 361005, Fujian, China.
BMC bioinformatics
|May 9, 2024
概括
这项研究引入了一种新的双聚类模型,用于分析Caenorhabditis elegans中的树状基因表达数据. 该模型有效地识别了生物相关的基因集群,优于现有方法.
科学领域:
- 发展生物学 发展生物学
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 基因聚类对于理解基因功能至关重要,通过将具有相似表达模式的基因组合在一起.
- 凯诺哈比蒂斯 (Caenorhabditis elegans) 是胚胎研究的一个模型生物,它提供了一致的细胞系.
- 4D共聚焦成像捕捉了单细胞基因表达动态,但数据是树状和非对状的,这给分析带来了挑战.
研究的目的:
- 开发一种双聚类模型,用于Caenorhabditis elegans中树状单细胞基因表达数据.
- 在基因表达分析中解决非对式数据点和细胞类型异质性的挑战.
- 为了实现更有生物学意义的基因功能识别聚类结果.
主要方法:
- 为树状基因表达数据开发了一个双聚类模型.
- 一个树状的片式多项式函数被用来适应非对式时间序列数据.
- 一个遗传算法优化了考虑基因相关性,细胞相似性,表达大小和集群重叠的客观函数.
主要成果:
- 拟议的模型证明了在小规模数据集上的可行性和有效性.
- 该模型的性能优于经典的双聚类方法.
- 基因丰富分析证实了在真实数据集中发现的双的生物学相关性.
结论:
- 新的双聚类模型成功地分析了复杂的,树状的基因表达数据.
- 该模型提供了对Caenorhabditis elegans.基因功能的生物学相关见解.
- 这种方法增强了基因聚类对发育生物学研究的有用性.
