[论文解读] Application Of Data Mining In Bioinformatics

Khalid Raza|arXiv (Cornell University)|May 5, 2012

Data Mining Algorithms and Applications参考文献 18被引用 52

一句话总结

本文探讨了将数据挖掘技术整合到生物信息学中，以应对基因组学和蛋白质组学数据分析中的挑战。它概述了聚类、分类和关联规则挖掘等关键方法，展示了其在基因表达分析、蛋白质结构预测和疾病相关基因识别中的应用，其主要贡献在于构建了一个全面的框架，以利用数据挖掘从高维生命科学数据中提取生物洞察。

ABSTRACT

This article highlights some of the basic concepts of bioinformatics and data mining. The major research areas of bioinformatics are highlighted. The application of data mining in the domain of bioinformatics is explained. It also highlights some of the current challenges and opportunities of data mining in bioinformatics.

研究动机与目标

• 探讨数据挖掘在推动生物信息学研究中的作用。
• 识别数据挖掘技术在生物信息学研究中最为有效的关键研究领域。
• 分析将数据挖掘应用于生物数据时面临的当前挑战与机遇。
• 提供基因组学、蛋白质组学和系统生物学中数据挖掘应用的结构化概述。
• 为研究人员在选择适合生物数据分析的数据挖掘方法时提供指导。

提出的方法

• 本文采用系统性文献综述方法，回顾现有数据挖掘与生物信息学应用的研究。
• 应用聚类算法对相似的基因表达谱进行分组，以实现功能分析。
• 使用决策树和支撑向量机等分类技术，预测基因功能和疾病关联。
• 应用关联规则挖掘技术，发现基因、蛋白质与表型特征之间的关系。
• 该方法整合了数据库管理系统（DBMS），以处理大规模生物数据集。
• 该框架强调了在生物背景下数据挖掘模型的可扩展性和可解释性。

实验结果

研究问题

• RQ1 数据挖掘技术如何提升基因组学和蛋白质组学中高通量生物数据的分析？
• RQ2 从复杂生物数据集中识别疾病相关基因时，最有效的数据挖掘方法是什么？
• RQ3 数据挖掘方法在蛋白质结构与功能预测方面以何种方式发挥作用？
• RQ4 将数据挖掘应用于生物数据时面临的主要挑战是什么，如何加以缓解？
• RQ5 数据挖掘如何通过整合多组学数据支持系统生物学研究？

主要发现

• 通过在基因表达数据中识别模式，数据挖掘显著提升了疾病相关基因的识别能力。
• 聚类技术成功将具有相似表达谱的基因分组，从而实现功能注释和通路发现。
• 支持向量机等分类模型在从微阵列数据中预测基因-疾病关联方面表现出高准确性。
• 关联规则挖掘揭示了基因标记与表型结果之间先前未知的关系。
• 将数据挖掘与关系型数据库集成，提升了大规模生物研究中的数据检索效率和可扩展性。
• 本研究识别出数据异质性、噪声和高维性为主要挑战，需借助先进的预处理和特征选择技术加以解决。