[发明专利]基于生物学数据的聚类方法及系统、聚类结果评价方法及系统

摘要

本发明提供了一种基于生物学数据的聚类方法，包括如下步骤：数据获取步骤、数据分类步骤、距离计算步骤以及聚类步骤。本发明还提供了一种基于生物学数据的聚类结果评价方法，包括如下步骤：获取聚类结果的步骤、计算聚类评价分数的步骤、转换聚类评价分数的步骤以及集成决策的步骤。本发明还提供了一种基于生物学数据的聚类系统以及一种基于生物学数据的聚类结果评价系统。本发明的基于生物学数据的聚类方法及系统、聚类结果评价方法及系统，提高了聚类结果的生物学应用价值，实用性强。

主权项

1.一种基于生物学数据的聚类方法，其特征在于，包括如下步骤：数据获取步骤：获取包含多个生物样本的原始生物学数据，每个所述生物样本均包含一种或多种生物学特征，每种所述生物学特征的信息类型包含表达值信息、序列信息以及功能信息中的一种或多种；数据分类步骤：根据每个所述生物样本具有的生物学特征的信息类型，将所述原始生物学数据的多个所述生物样本分为不同的组别，至少包括有表达值的生物样本数据、有序列信息的生物样本数据以及有功能信息的生物样本数据，每组生物样本数据采用矩阵形式进行表达，其中，矩阵的行表示生物学特征，矩阵的列表示生物学样本；距离计算步骤：根据每组生物样本数据具有的生物学特征的信息类型，选择不同的距离计算方式，分别计算每组生物样本数据中多个所述生物样本之间的距离，将计算获得的每组生物样本数据中的多个所述生物样本之间的距离形成距离矩阵；其中，在所述距离计算步骤之前还包括采用如下步骤对有序列信息的生物样本数据进行序列对比的步骤：根据所述有序列信息的生物样本数据中多个所述生物样本具有的序列特征将多个所述生物样本分为两组以上，其中，所述生物样本的序列特征包括核酸序列特征、以及蛋白质/氨基酸序列特征；针对每组所述生物样本选择不同的替换矩阵，并选择至少两种以上的序列对比算法进行序列对比，获得两个以上序列对比结果；针对每个所述序列对比结果计算任意两个生物样本的第一相似性得分；分别根据所述第一相似性得分计算任意两个所述生物样本之间的第一距离分数，每个所述序列对比结果对应的多个所述第一距离分数形成所述距离矩阵；其中，所述第一距离分数＝1‑所述第一相似性得分；聚类步骤：根据所述距离矩阵，分别对每组生物样本数据中的多个生物样本采用层次聚类方法进行聚类。