[è·¨é ˜åŸŸ][資訊][醫療] æˆå¤§æ¨™ç«¿è¨ˆç•«ï¼šæ•´åˆè‡¨åºŠã€åŸºå› 組åŠè›‹ç™½è³ªé«”資料分æžä¹‹æ™ºæ…§åž‹ç–¾ç—…生物標記探勘平å°ï¼ˆ
英文版)
《æˆå¤§ç ”發快訊》(2011/05/27)cDNA 微陣列技術使得生物å¸å®¶èƒ½åœ¨çŸæ™‚é–“å…§ç²å¾—大é‡åŸºå› 表ç”è³‡æ–™ï¼Œç”¨ä»¥ç ”ç©¶ä¸åŒç”Ÿç‰©ä½œç”¨ä¹‹é–“çš„é—œä¿‚ã€‚ä¸€èˆ¬è€Œè¨€åŸºå› å¾®é™£åˆ—è³‡æ–™å¯ä»¥ä»¥çŸ©é™£æ–¹å¼ä¾†å‘ˆç¾ï¼Œæ¯ä¸€åˆ—ä»£è¡¨ä¸€å€‹åŸºå› åœ¨ä¸åŒå¯¦é©—æ¢ä»¶ä¸‹çš„表ç”å‘é‡ã€‚而ä¸åŒçš„實驗æ¢ä»¶ä¹Ÿè¨±æ˜¯ä¸åŒçš„觀察時間點ã€ä¸åŒçš„細胞或ä¸åŒçš„環境æ¢ä»¶ã€‚近年來,多樣化的分æžæ–¹æ³•è¢«æ出來應用於ä¸åŒçš„ç ”ç©¶ç›®çš„ä¾†æ“·å–生物知è˜ï¼Œåƒåˆ†ç¾¤åˆ†æžã€é—œè¯è¦å‰‡åˆ†æžã€åˆ†é¡žåˆ†æžç‰ç‰ã€‚å‚³çµ±çš„åˆ†ç¾¤åŸºå› å¾®é™£åˆ—è³‡æ–™åˆ†æžæ–¹æ³•ï¼Œå¦‚階層å¼åˆ†ç¾¤èˆ‡K-å¹³å‡å€¼åˆ†ç¾¤æŠ€è¡“ï¼Œæ‡‰ç”¨æ–¼æŠŠåŸºå› åœ¨æ‰€æœ‰å¯¦é©—æ¢ä»¶ä¸‹ä¾ç…§è¡¨ç¾å€¼çš„相似度分æˆä¸åŒçš„ç¾¤ã€‚ç„¶è€Œç›¸é—œä½œç”¨çš„åŸºå› é€šå¸¸åªæœƒåœ¨éƒ¨ä»½å¯¦é©—æ¢ä»¶ä¸‹æœ‰ç›¸ä¼¼çš„表ç¾å€¼ã€‚å› æ¤ï¼Œä¸€äº›é›™å‘分群技術被æ出來解決這樣的å•é¡Œã€‚
然而在既有的雙å‘分群方法之ä¸ï¼Œå¾ˆå°‘有æ供使用者導å‘的演算法,讓生物å¸å®¶èƒ½æœå°‹å‡ºæœ‰åŒ…å«ä»–æ„Ÿèˆˆè¶£åŸºå› çš„åŸºå› ç¾¤ï¼Œä¾‹å¦‚æŸäº›è—¥ç‰©ä½œç”¨ç›®æ¨™ã€‚Liuç‰å¸è€… (Liu 2007) æ–¼2007å¹´æ出了一個雙å‘分群方法,稱作MSBE。由使用者æä¾›ä»–æ‰€å®šç¾©çš„ç›®æ¨™åŸºå› ï¼Œä¸¦è—‰ç”±ä¸€å€‹æ–°çš„åŸºå› ç›¸ä¼¼åº¦å€¼èˆ‡é›™å‘分群相似度值計算方法來進行分群。然而在æ¤æ–¹æ³•ä¹‹ä¸ï¼Œå¦‚何è¨å®šè®Šæ•¸çš„閾值變æˆå¦ä¸€å€‹ä¸»è¦çš„å•é¡Œã€‚å› ç‚ºï¼ŒéŽåº¦åš´æ ¼çš„閾值會導致在雙å‘分群的éŽç¨‹ä¸ï¼Œå¤±åŽ»æŸäº›é‡è¦çš„åŸºå› æˆ–è€…å¯¦é©—æ¢ä»¶ã€‚
在æˆå¤§æ¤æ¨™ç«¿è¨ˆç•«ç•¶ä¸ï¼Œæ›¾æ–°ç©†æ•™æŽˆçš„ç ”ç©¶åœ˜éšŠæ出了一個應用模糊ç†è«–方法åŠä½¿ç”¨è€…定義的åƒè€ƒåŸºå› g*,改進MSBE的全新使用者導å‘é›™å‘分群演算法,稱作Weighted Fuzzy-based Maximum Similarity Biclustering (WF-MSB)。å°ç…§æ–¼MSBE方法,åƒè€ƒåŸºå› èˆ‡å…¶å®ƒåŸºå› æ–¼æŸä¸€å¯¦é©—æ¢ä»¶ä¸‹çš„表ç¾å€¼ï¼Œå°‡æœƒè¢«è½‰æ›æˆç³¢ç³Šå€é–“值R (|R| = v)。在åƒè€ƒåŸºå› èˆ‡å…¶å®ƒåŸºå› çš„è¡¨ç¾å€¼ç›¸é—œç¨‹åº¦ï¼Œæœƒç”±v membership方程å¼å°æ˜ 至ä¸åŒçš„糢糊å€é–“。以模糊ç†è«–方法為基礎,這些vé›™å‘群ä¸çš„ä¸åŒç›¸é—œç¨‹åº¦ï¼Œå¯ä»¥è¢«è¡¨ç”æˆèˆ‡åƒè€ƒåŸºå› çš„ä¸åŒçš„相似度,例如,與åƒè€ƒåŸºå› 最相似的雙å‘群åŠæœ€ä¸ç›¸ä¼¼çš„é›™å‘群。尤其在最ä¸ç›¸ä¼¼çš„é›™å‘群之ä¸ï¼Œèƒ½å¤ æ供一個新個觀察方å‘來探索一些與åƒè€ƒåŸºå› 相åè¡¨çš„åŸºå› ç¾¤ï¼Œä¾‹å¦‚ï¼Œç´°èƒžå‡‹é›¶åŸºå› èˆ‡å‡‹é›¶ç›®æ¨™åŸºå› ç‰ç‰ã€‚åœ¨å…¶ç ”ç©¶ç¯„åœæ‰€åŠï¼Œæ¤åœ˜éšŠæ‰€æ出的方法是第一個æ出æ¤è§€é»žçš„åŸºå› è¡¨ç”資料雙å‘分群方法。並且ä¸åŒæ–¼å‚³çµ±çš„é›™å‘分群方法,在æŸäº›å¯¦é©—æ¢ä»¶ä¸‹èˆ‡åƒè€ƒåŸºå› æ“æœ‰æ›´é«˜åŸºå› è¡¨ç¾å€¼ã€æ›´æœ‰æ„義的雙å‘群,å¯ä»¥è—‰ç”±æ¤ä¸€æ¬Šé‡å¼æ–¹æ³•æŽ¢ç´¢å‡ºä¾†ã€‚
深入資訊:
æˆå¤§ç ”發快訊 2011/05/27在æˆå¤§æ¤æ¨™ç«¿è¨ˆç•«ç•¶ä¸ï¼Œæ›¾æ–°ç©†æ•™æŽˆçš„ç ”ç©¶åœ˜éšŠæ出了一個應用模糊ç†è«–方法åŠä½¿ç”¨è€…定義的åƒè€ƒåŸºå› g*,改進MSBE的全新使用者導å‘é›™å‘分群演算法,稱作Weighted Fuzzy-based Maximum Similarity Biclustering ( WF-MSB )。å°ç…§æ–¼MSBE方法,åƒè€ƒåŸºå› èˆ‡å…¶å®ƒåŸºå› æ–¼æŸä¸€å¯¦é©—æ¢ä»¶ä¸‹çš„表ç¾å€¼ï¼Œå°‡æœƒè¢«è½‰æ›æˆç³¢ç³Šå€é–“值R (|R| = v)。在åƒè€ƒåŸºå› èˆ‡å…¶å®ƒåŸºå› çš„è¡¨ç¾å€¼ç›¸é—œç¨‹åº¦ï¼Œæœƒç”±v membership方程å¼å°æ˜ 至ä¸åŒçš„糢糊å€é–“。以模糊ç†è«–方法為基礎,這些vé›™å‘群ä¸çš„ä¸åŒç›¸é—œç¨‹åº¦ï¼Œå¯ä»¥è¢«è¡¨ç”æˆèˆ‡åƒè€ƒåŸºå› çš„ä¸åŒçš„相似度,例如,與åƒè€ƒåŸºå› 最相似的雙å‘群åŠæœ€ä¸ç›¸ä¼¼çš„é›™å‘群。尤其在最ä¸ç›¸ä¼¼çš„é›™å‘群之ä¸ï¼Œèƒ½å¤ æ供一個新個觀察方å‘來探索一些與åƒè€ƒåŸºå› 相åè¡¨çš„åŸºå› ç¾¤ï¼Œä¾‹å¦‚ï¼Œç´°èƒžå‡‹é›¶åŸºå› èˆ‡å‡‹é›¶ç›®æ¨™åŸºå› ç‰ç‰ã€‚åœ¨å…¶ç ”ç©¶ç¯„åœæ‰€åŠï¼Œæ¤åœ˜éšŠæ‰€æ出的方法是第一個æ出æ¤è§€é»žçš„åŸºå› è¡¨ç”資料雙å‘分群方法。並且ä¸åŒæ–¼å‚³çµ±çš„é›™å‘分群方法,在æŸäº›å¯¦é©—æ¢ä»¶ä¸‹èˆ‡åƒè€ƒåŸºå› æ“æœ‰æ›´é«˜åŸºå› è¡¨ç¾å€¼ã€æ›´æœ‰æ„義的雙å‘群,å¯ä»¥è—‰ç”±æ¤ä¸€æ¬Šé‡å¼æ–¹æ³•æŽ¢ç´¢å‡ºä¾†ã€‚
深入資訊:
æˆå¤§ç ”發快訊 2011/05/27