|
(1)定量PCRによる遺伝子発現データの収集
本研究で解析を小なうための基礎データ収集を目的として、酵母の遺伝子発現データを収集した。この際、発現遺伝子量を定量性よく測定できる方法として、定量PCR法を採用し、データを採取した。
(2)Fuzzy k-meansクラスタリングの最適クラスタ数決定法
DNAチップなどから得られる遺伝子発現データ処理として、一般的に(遺伝子のグループ化)クラスタリング解析が行われている。我々は昨年度、k-meansクラスタリングにFuzzy理論を適応したFuzzy k-meansクラスタリングを時系列DNAチップデータに適応した。この方法は、従来法と比較し、実験誤差に起因するノイズの影響を受けにくく、DNAチップなどの解析に有効であることが確認できた。
しかし、クラスタリング解析においては、いくつのグループに分けるのかという情報はあらかじめ解析者が与える必要があり、生物学的な知見が有ればその知見に基づいて決定できるものの、ほとんど知見がない現象に対しては、試行錯誤的に「適当に」決められているのが現状である。これが実データを解析する際に、クラスタリング解析の大きな問題とされてきた。そこで、本年度はクラスタがうまく分かれているという指標を導入し、グループ(クラスタ)数を決定する際に利用することとした。解析対象データとしては、出芽酵母の胞子形成過程におけるマイクロアレイデータを選んだ。このデータの約6000遺伝子の中で、機能や発現時期が他の実験で確認されている45遺伝子の時系列データを解析した。このデータは、生物学的知見から6つのグループに分けられている。クラスタがうまく分かれているという指標としては、クラスタ同士の分離(クラスタ間距離が大きいほどよい)、クラスタの大きさ(クラスタ内のデータ距離が小さいほどよい)を考えればよい。そのため、様々な指標を候補として考え、解析を進めたところ、上記二つの条件を組み込んだ新たな指標が、クラスタ数を決定するためにはもっともよい指標となることが明らかになった。
|
