[发明专利]基于可视图算法的基因表达时序数据分类方法

权利要求书

1.一种基于可视图算法的基因表达时序数据分类方法，包括以下步骤：

(1)对原始基因表达时序数据依次进行噪声清除、缺失数据补充以及三维坐标展示预处理，获得多个数据条，每个数据条表示每个样本的每个基因在全时间段下的表达数据值；

(2)针对每个数据条，利用可视图算法对数据条进行映射后，构建基因网络，在构建的基因网络中，每个节点表示与数据条对应的样本基因在每个时刻的表达数据值；

(3)根据构建的基因网络中的节点以及节点之间的连接关系，提取基因网络的节点平均度、平均路径长度以及聚类系数；

(4)利用弱随机游走模型获得基因网络中的每个节点的游走序列；

(5)以节点的游走序列对应的分布式特征向量作为输入，以构建的实数形式的分布式特征向量作为监督输出，对神经网络进行训练，训练结束后，将节点的游走序列对应的分布式特征向量与最终输入权重矩阵的乘积作为该节点的特征向量；

(6)将基因网络的节点平均度、平均路径长度以及聚类系数以各占一个维度的方式添加到每个节点的特征向量中，获得基因网络的特征；

(7)采用密度聚类算法对基因网络的特征进行聚类，实现对基因时序数据的基因分类和样本分类。

2.如权利要求1所述的基于可视图算法的基因表达时序数据分类方法，其特征在于，所述步骤(1)包括：

(1-1)清除原始基因表达时序数据中表达水平明显异常的噪声数据，具体为：

首先，对于样本集在t时刻测量得到的基因表达数据，计算该基因表达数据在基因维度上的均值矩阵μ(j,t)与标准差矩阵σ(j,t)，计算公式如下：

式(1)和式(2)中，n_N表示正常样本数量，gE(i,j,t)为基因表达时序数据，表示第i个样本的第j个基因在t时刻的表达数据值，其中，i∈(1,n)，j∈(1,m)，t∈(1,T)；

然后，根据基因表达数据分布绘制对应的正态钟形曲线，并利用3σ原则，将置信区间外的基因表达数据视为噪声点并清除；

(1-2)补充原始基因表达时序数据中的缺失数据，具体为：

首先，对于样本集中的第i个样本的某一维度的第j个基因进行时间维度上的二次函数拟合，拟合公式为：

y_2nd(t)＝a_2ndx²+b_2ndx+c_2nd (3)

式(3)中，y_2nd(t)∈gE(i,j,t)，x∈t；

然后，通过计算系数值(a_2nd,b_2nd,c_2nd)进行缺失时刻的基因表达数据的拟合补充；

(1-3)将噪声清除、缺失数据补充后的基因表达时序数据进行三维坐标展示，具体为：

根据基因表达时序数据，构建三维坐标图，其中，三个维度分别为基因维度、样本维度与时间维度；

在三维坐标图中，每个坐标点表示某样本维度中的某个基因在相对应时间点的相对表达水平；一个样本的一个基因在全时间段下的表达数据值作为一个数据条，对于样本数量为n、基因数量为m的基因表达时序数据，经三维坐标展示后，可获得n*m个数据条。