应用关联规则挖掘构建人小脑发育的基因表达关联网络

被引：2

作者：

彭斌 ^{[1
]}

杨忠 ^{[2
]}

李辉智 ^{[3
]}

易东 ^{[1
]}

机构：

[1] 第三军医大学卫生统计教研室

[2] 第三军医大学神经生物教研室

[3] 西南政法大学刑侦学院

来源：

中国卫生统计 | 2007年 / 02期

关键词：

关联规则; 基因芯片数据; 关联网络; 小脑发育;

D O I：

暂无

中图分类号：

R741 [神经病学];

学科分类号：

1002 ;

摘要：

目的构建小脑发育过程中基因之间的表达调控关联网络。方法应用关联规则(Association Rules)挖掘技术和GO(Gene Ontology)数据库对人胎儿小脑发育的基因芯片数据进行分析处理。结果根据胎儿6个不同发育时间段的基因芯片数据从10080个基因(或EST片段)中筛选出110个表达变异较大的基因作为输入,得到形如LHSRHS的关联规则5000多条;从中选择10个功能已知且在关联规则中出现频率较高的基因作为构建关联网络的基因。根据包含这10个基因的关联规则,构建出两张基因表达关联网络图。结论利用关联规则挖掘技术构建的小脑发育基因表达关联网络在一定程度上能够描述小脑发育过程中基因之间的关联关系。

引用

页码：117 / 119+123 +123

页数：4

共 7 条

[1]

FARMER:Finding InterestingRule Groups in Microarray Datasets. Gao Cong Tung,AKH,Xin Xu,et al. SIGMOD Record . 2004

[2]

Analyzing microarray data using quantitative association rules. Georgii E,Richter L,Ruckert U,et al. Bioinformatics . 2005

[3]

Mining gene expression databases for association rules. Creighton C,Hanash S. Bioinformatics . 2003

[4]

Integrated analysis of gene expres-sion by association rules discovery. Pedro CS,Monica C,Andres R,et al. BMC Bioinformatics . 2006

[5]

Integrated analysis of gene expres-sion by association rules discovery. Pedro CS,Monica C,Andres R,et al. BMC Bioinformatics . 2006

[6]

A Systemfor Finding Association Rules from Microarray Data and Public Databases. Takahiro N,Kenji S,Emiko F,et al. Genome Informatics . 2000

[7]

Strong-association-rule mining for large-scale gene-expression data analysis:a case study on human SAGE data. Becquet C,Blachon S,Jeudy B,et al. Genome Biology . 2002

← 1 →