K-means聚类算法在肿瘤基因变异识别中的应用

• 作者: 叶骁
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: K-means 变异识别 二代测序
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 算法
• 页码范围: 287-290,333
• 页数: 5页
• 分类号: TP3
• 字数: 3038字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.03.051

摘要

二代测序NGS(Next-generation sequencing)数据的迅速发展加快人们对于基因的探索,同时也给测序数据分析任务带来更大的挑战.癌细胞特异变异的识别是测序数据分析的一项重要基础性工作.当前的变异识别工具大多采用贝叶斯模型方法,特异度、灵敏度和速度都远远满足不了需求.K-means是一种简洁高效的无监督聚类算法,基于此将位点信息映射成多维的特征,再进行类别个数为2的聚类过程.该算法明显提高了准确度和召回率,实验结果验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶骁	复旦大学计算机科学技术学院智能信息处理重点实验室	1	4	1.0	1.0