• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>BMC Bioinformatics >Interpolation based consensus clustering for gene expression time series
【2h】

Interpolation based consensus clustering for gene expression time series

机译：基于插值的基因表达时间序列共识聚类

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

BackgroundUnsupervised analyses such as clustering are the essential tools required to interpret time-series expression data from microarrays. Several clustering algorithms have been developed to analyze gene expression data. Early methods such as k-means, hierarchical clustering, and self-organizing maps are popular for their simplicity. However, because of noise and uncertainty of measurement, these common algorithms have low accuracy. Moreover, because gene expression is a temporal process, the relationship between successive time points should be considered in the analyses. In addition, biological processes are generally continuous; therefore, the datasets collected from time series experiments are often found to have an insufficient number of data points and, as a result, compensation for missing data can also be an issue.
机译：背景技术无监督分析（例如聚类分析）是解释微阵列中时间序列表达数据所需的基本工具。已经开发了几种聚类算法来分析基因表达数据。诸如k均值，层次聚类和自组织映射之类的早期方法因其简单性而广受欢迎。但是，由于噪声和测量的不确定性，这些常见算法的精度较低。此外，由于基因表达是一个时间过程，因此在分析中应考虑连续时间点之间的关系。另外，生物过程通常是连续的。因此，通常会发现从时间序列实验收集的数据集的数据点数量不足，因此，补偿丢失的数据也可能成为问题。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号