Problems of Fuzzy Clustering of Microarray Data

Problems of Fuzzy Clustering of Microarray Data Microarray technology has been the leading research direction in medicine, pharmacology, genome studies and other related areas over the past years. This technology enables researches to simultaneously study activity expression of tens of thousands of genes. After the experimental data have been processed, arrays of numerical values of gene expressions are obtained that are the basis for receiving relevant information and new knowledge. This paper briefly overviews the basics of microarray technology as well as task classes that could be solved using microarray data. The existing approaches to clustering gene expression sets are discussed. It is shown that the fuzzy c-means clustering method appears the most appropriate for that purpose. Due to that, the problem of choosing an optimal size of fuzziness parameter arises. Three widespread techniques for solving the problem are considered and their comparative analysis is provided. Mikromasīvu datu izplūdušās klasterizācijas problēmas Gēnu mikromasīvu datu tehnologijas attīstība deva spēcīgu impulsu zinātniskiem un praktiskiem pētījumiem medicīnā, genētikā, farmakologijā un citās nozarēs. Šī tehnologija ļauj vienlaicīgi iegūt tūkstošus un desmitiem tūkstošus gēnu izpausmes. Tik milzīgs sākotnējās informācijas daudzums prasa jaunu speciālo metožu izstrādi šīs informācijas apstrādei un analīzei. Iepriekšējās datu apstrādes rezultāti tiek atspoguļoti matrices formā, kuras rindas atbilst gēniem un kolonnas atbilst atsevišķiem eksperimentiem. Eksperimenti var būt saistīti ar gēnu aktivitātes atklāšanu dažādos laika punktos, gēnu izpausmju salīdzināšanu veselīgos un slimīgos organismos, gēnu izpausmju izmaiņām terapeitiskas iejaukšanās rezultātā un ar daudzām citām problēmām. Skaitlis matrices ailē atspoguļo dotā gēna aktivitātes pakāpi konkrētajā eksperimentā. Liela nozīme ir izdalītās gēnu kopas klasterizācijai. Pašlaik ir vispāratzīts, ka tādas klasterizācijas rezultāti var tikt veiksmīgi izmantoti gēnu mijiedarbības atklāšanai un dažādu iekššūnu procesu izpratnei. Tiek izstrādāts liels algoritmu daudzums gēnu izpausmju datu klasterizācijai. Plaši tiek pielietots izplūdušās klasterizācijas c-vidējo algoritms. Šim algoritmam ir daudzas priekšrocības salīdzinājumā ar precīziem algoritmiem, piemēram, ar k-vidējo algoritmu. Tomēr praktiskā šīs metodes pielietošanā mikromasīvu datu klasterizācijai rodas izplūšanas parametra m optimālā lieluma izvēles problēma. Plaši izmantojamais standarta lielums m = 2 gēnu izpausmju klasterizācijas uzdevumu kontekstā neļauj iegūt korektus rezultātus. Šajā darbā tiek veikta šīs problēmas risināšanas trīs pieeju salīdzinošā analīze. Analīzes izpildes rezultātā tiek piedāvāta konkrēta rekomendācija izmantot vienu no apskatītajām pieejām. Проблемы нечёткой кластеризации данных микромассивов Развитие технологии данных микромассивов генов дало мощный импульс новым научным и прикладным исследованиям в медицине, генетике, фармакологии и других областях. Эта технология позволяет одновременно получить выражения тысяч и десятков тысяч генов. Такое огромное количество исходной информации требует разработки специальных методов для её обработки и анализа. Результаты предварительной обработки данных отображаются в форме матрицы, строки которой соответствуют генам, а столбцы - отдельным экспериментам. Эксперименты могут относиться к выявлению активности генов в различных временных точках, сравнению выражений генов для здоровых и больных организмов, изменению выражений генов в результате терапевтического вмешательства и многим другим проблемам. Число в ячейке матрицы отображает степень активности данного гена в конкретном эксперименте. Большое значение имеет кластеризация выделенного множества генов. В настоящее время считается общепризнанным, что результаты такой кластеризации могут быть успешно использованы для выявления взаимодействий генов и понимания различных внутриклеточных процессов. Разработано большое число алгоритмов для кластеризации данных выражений генов. Среди таких алгоритмов широко используется алгоритм нечёткой кластеризации с - средних. Этот алгоритм имеет многие преимущества по сравнению с чёткими алгоритмами, например, алгоритмом к - средних. Однако, при практическом применении этого метода для кластеризации данных микромассивов возникает проблема априорного выбора оптимального значения параметра нечёткости m. Широко используемое стандартное значение m = 2 в контексте задач кластеризации выражений генов не позволяет получить корректные результаты. В настоящей работе представлен сравнительный анализ трёх подходов к решению данной проблемы. В результате выполненного анализа представлены конкретные рекомендации по использованию одного из рассмотренных подходов.