Clustering Algorithms for Gene Expression Analysis Pablo Viana Fagner Nascimento.

Apresentação em tema: "Clustering Algorithms for Gene Expression Analysis Pablo Viana Fagner Nascimento."— Transcrição da apresentação:

1 Clustering Algorithms for Gene Expression Analysis Pablo Viana Fagner Nascimento

2 Roteiro 1. Gene Expression Analysis 2. Redução de Dimensionalidade 3. Clustering 4. Hierarchical Clustering 5. K-Means 6. Self-Organizing Maps 7. Gene Clustering 8. Sample Clustering 9. Região Reguladora 10. Conclusão

3 Gene Expression Analysis Estudo dos padrões de ativação (expressão) dos genes sobre diversas condições. Genes que possuem a mesma funcionalidade são comumente ativados pelas mesmas condições.

4 Gene Expression Analysis Genes codificadores de enzimas que catalisam um conjunto de reações encadeadas são geralmente co-regulados (e normalmente se localizam próximos no cromossomo). A ativação conjunta também ajuda a inferir funcionalidades de genes dos quais ainda não temos informações. Ou ainda o inverso, o padrão de ativação dos genes pode caracterizar doenças e assim gerar novas ferramentas precisas de diagnóstico.

5 Gene Expression Analysis Dessa forma diversas técnicas de análise de dados tem sido aplicadas para problemas dessa classe:  Redução de Dimensionalidade: Principal Component Analysis  Clustering: Hierarchical Clustering K-Means  Self-Organizing Maps

6 Redução de Dimensionalidade Vetores de dados biológicos possuem muitas dimensões, desta forma métodos que diminuem a dimensionalidade dos dados, facilitam a extração de informações dos mesmos. Seja para sua melhor visualização ou como métodos de pré- processamento.

7 Redução de Dimensionalidade Principal Component Analysis (PCA):  Método estatístico para projetar pontos de dimensão M num espaço de dimensão K (K << M).  Encontra a representação num espaço de dimensionalidade menor que descreve os pontos dados com o menor erro possível.

8 Clustering O que é clusterizar?  Classificar, agrupar, comprimir.

9 Clustering

10 Tipos de dados  Numérico  Relacional  Nominal Similaridade / Distância Número de Clusters

11 Clustering Supervisionado:  Baseado num conjunto de vetores ou classes dados. Não-Supervisionado:  Não existe nenhum conhecimento prévio de classificação. Métodos Híbridos:  Métodos supervisionados utilizando classificações previamente obtidas pela aplicação de um método não-supervisionado.

12

13 Hierarchical Clustering Algoritmo:  Os dois elementos mais similares(na matriz de similaridade) unem-se criando-se um novo nó.  A matriz de similaridade é recalculada, com o novo nó substituindo os dois antigos e com valor igual a média dos anteriores.  Com N pontos iniciais, esse processo é repetido N-1 vezes até restar apenas um nó.

14 Hierarchical Clustering

15 Árvore de Visualização  Problema: Encontrar a melhor ordenação da árvore. Cada filho pode estar a esquerda ou direita. 2 N-1 possibilidades.  Solução: Conhecido algoritmo de programação dinâmica: inside portion of the inside-outside algorithm for stochastic context-free grammar

16 Hierarchical Clustering Vantagens / Desvantagens

17 K-Means Algoritmo:  Escolhe-se uma quantidade K de elementos representativos, do conjunto de dados.  Cada ponto é associado ao ‘cluster’ do representante mais próximo.  Novos pontos representantes são calculados pela média ou centro de gravidade do cluster.  Os dois últimos procedimentos são repetidos até o sistema convergir.

18 K-Means

19 Vantagens / Desvantagens

20 Self-Organizing Maps Parecido com o K-Means Preserva as propriedade topológicas dos dados Também conhecido como Kohonen Map, foi descrito pela primeira vez como uma rede neural artificial. Algoritmo não-supervisionado

21 Self-Organizing Maps Possui uma forma muito conveniente para visualização dos dados. Manipula bem dados não uniformes e irregulares. Não tem base teórica para determinar a dimensão ótima. Pode demorar muitas iterações para convergir.

22 Self-Organizing Maps

23 Gene Clustering

24 Sample Clustering

25

26 DNA e Regiões Reguladoras

27 Conclusão