生物信息学数据挖掘
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
生物信息学数据挖掘
刘智珺
2007.5.21
2020/5/7
生物信息学数据挖掘
1
主要内容
生物信息学的范畴 数据挖掘的相关概念 数据挖掘的经典案例 生物信息学数据挖掘领域的现状、方向 课题的前景
2020/5/7
生物信息学数据挖掘
2
生物信息学（Bioinformatics）
在生命科学的研究中，以计算机为工具对生物信息进行 存储、检索和分析的一门交叉学科。 研究内容：
电子商务的关联销售 、客户类别销售分析
2020/5/7
生物信息学数据挖掘
10
1.数据清理 (消除噪音或不一致的数据)
数据挖掘的过程
2.数据集成
(多种数据源组合到一起)
3.数据选择
(从数据库中提取与分析任务相关的 数据)
4.数据变换
(变换或统一成合适挖掘的形式)
5.数据挖掘
(使用智能方法提取数据模式)
2.EBI：欧洲生物信息研究(The European BioinformationIntitute)，提供与生物学有关的各种信息、 数据库、软件工具等
3.ExPASy：(Expert Protein Analysis System)日内瓦大学 分子生物学服务站，提供与蛋白有关的各种在线工具。提 供数据库中的链接，同时提供许多用于该方面查询的文件， 并与本站点相链接。
6.模式评估
(根据某种兴趣程度度量识别提供知 识的真正有趣的模式)
11
7.知识表示(向用户提供挖掘的知识)
典型的数据挖掘系统结构
2020/5/7
生物信息学数据挖掘
12
进行数据挖掘常用技术算法
人工神经网络
为解决大复杂度问题提供了一种相对来说比较有效的简单方法。 神经网络可以很容易的解决具有上百个参数的问题。
8
数据挖掘的经典案例
啤酒和尿布的案例 英国超级市场中的啤酒和尿布的摆放位置
其他数据挖掘的案例
顾客信誉卡 ：使用信誉卡将顾客的购买序列记录下来，顾 客在不同时期购买的商品可以分组为序列，序列模式的挖 掘可以分析顾客的消费或忠诚的变化，据此对价格和商品 花样进行调整以便留住老顾客，吸引新顾客。
卡夫(Kraft)食品公司建立了一个拥有3000万客户资料的数 据库，数据库是通过收集对公司发出的优惠券等其他促销 手段作出积极反应的客户和销售记录而建立起来的，卡夫 公司通过数据挖掘了解特定客户的兴趣和口味，并以此为 基础向他们发送特定产品的优惠券，并为他们推荐符合客 户口味和健康状况的卡夫产品食谱。
数据挖掘
是以数据仓库和多维数据库中的大量数据为基础,自动发 现数据中的潜在模式,并以这些模式为基础自动的作出 预测.
收集在大型数 据库中的数据 变成了”数据 坟墓”
2020/5/7
我们数据丰富但信息贫乏
生物信息学数据挖掘
7
在你的数据中搜索知识(有趣的模式)
数据中知识发现(KDD)
2020/5/7
生物信息学数据挖掘
4.BioSino：上海生命科学院生物信息中心，提供了有关生 物信息学方面的新闻、论文、相关数据库、软件等。
5.CBI：北京大学生物信息中心，介绍了丰富的生物信息学 基本知识，国内外生物信息学网站，常用的生物信息学数 据库的介绍和相关的软件等。
2020/5/7
生物信息学数据挖掘
6
数据挖掘(data mining)
生物信息学数据挖掘
4
专门数据库目录网站
《核酸研究》2000年开始创建了生物信息学数 据库 目录。
DBCat：法国生物信息中心于1997年建立的数据库目 录。到目前为止收录500多个数据库。
目前，绝大部分核酸和蛋白质数据库由美国、欧洲和 日本的３家数据库系统产生。它们共同组成国际核酸 序列数据库，每天交换数据，同步更新
生物信息学给数据挖掘提出了新课题和挑战
2020/5/7
生物信息学：融合生物科学与计算机科技的新学科
快速的数据获取率和客观分析的要求---已经不能仅依赖于 人的感知来处理了.因而,生物信息学与机器学习相结合也 就成了必然。 生物信息量的大规模，常规的计算机算法可以应用于生物 数据分析中, 但越来越不适用于序列分析问,需要新的思想 的加入.究竟原因,是由于生物系统本质上的模型复杂性及 缺乏在分子层上建立的完备的生命组织理论.
3
生物信息学相关数据库资源
1.核酸序列及其相关数据库
2.蛋白质序列及其相关数据库(蛋白质三维结构、
蛋白质组二维凝胶电泳数据库、信号传导及蛋 白质-蛋白质相互作用相关数据库、DNA和蛋 白质相互作用数据库)
3.基因组数据库
4.序列分析数据库
5.人类基因突变及疾病相关数据库
6.进化相关数据库
2020/5/7
大部分数据库是可以免费下载的公用数据库。
2020/5/7
生物信息学数据挖掘
5
生物信息学中心
1.NCBI：美国国立生物技术信息中心(The National Center Biotechnology Information)，设立了公共数据库， 开发软件工具分析核酸序列、基因组序列、基因表达序列、 蛋白序列等提供了大量与基因、蛋白序列有关的信息与文 献资料。
基因组生物信息学 蛋白质组生物信息学 代谢调控生物信息学 目的: 通过对生物学实验数据的获取、加工、存储、检索与分析， 进而揭示数据所蕴含的生物学意义。 前景： 生物信息学已然深入到了生命科学的方方面面 。
人类基因组计划为生物信息学提供了兴盛的契机，创造了施
展身手的巨大空间。
2020/5/7
生物信息学数据挖掘
2020/5/7
生物信息学数据挖掘
9
数据挖掘的经典案例
在电信行业
加拿大BC省电话公司要求加拿大Simon Fraser大学KDD研 究组根据其拥有的十多年的客户数据，总结、分析并提出 新的电话收费和管理办法，制定既有利于公司又有利于客 户的优惠政策。
竞技运动中的数据挖掘
美国著名的国家篮球队NBA的教练，利用IBM公司提供的数 据挖掘工具临场决定替换队员。
决策树
决策树提供了一种展示类似在什么条件下会得到什么值这类规 则的方法支持向量机方法 。
遗传算法
基于进化理论，并采用遗传结合、遗传变异、以及自然选择等 设计方法的优化技术。
近邻算法
将数据集合中每一个记录进行分类的方法。
规则推导
从统பைடு நூலகம்意义上对数据中的“如果-那么”规则进行寻找和推导方
生物信息学与数据挖掘
刘智珺
2007.5.21
2020/5/7
生物信息学数据挖掘
1
主要内容
生物信息学的范畴 数据挖掘的相关概念 数据挖掘的经典案例 生物信息学数据挖掘领域的现状、方向 课题的前景
2020/5/7
生物信息学数据挖掘
2
生物信息学（Bioinformatics）
在生命科学的研究中，以计算机为工具对生物信息进行 存储、检索和分析的一门交叉学科。 研究内容：
电子商务的关联销售 、客户类别销售分析
2020/5/7
生物信息学数据挖掘
10
1.数据清理 (消除噪音或不一致的数据)
数据挖掘的过程
2.数据集成
(多种数据源组合到一起)
3.数据选择
(从数据库中提取与分析任务相关的 数据)
4.数据变换
(变换或统一成合适挖掘的形式)
5.数据挖掘
(使用智能方法提取数据模式)
2.EBI：欧洲生物信息研究(The European BioinformationIntitute)，提供与生物学有关的各种信息、 数据库、软件工具等
3.ExPASy：(Expert Protein Analysis System)日内瓦大学 分子生物学服务站，提供与蛋白有关的各种在线工具。提 供数据库中的链接，同时提供许多用于该方面查询的文件， 并与本站点相链接。
6.模式评估
(根据某种兴趣程度度量识别提供知 识的真正有趣的模式)
11
7.知识表示(向用户提供挖掘的知识)
典型的数据挖掘系统结构
2020/5/7
生物信息学数据挖掘
12
进行数据挖掘常用技术算法
人工神经网络
为解决大复杂度问题提供了一种相对来说比较有效的简单方法。 神经网络可以很容易的解决具有上百个参数的问题。
8
数据挖掘的经典案例
啤酒和尿布的案例 英国超级市场中的啤酒和尿布的摆放位置
其他数据挖掘的案例
顾客信誉卡 ：使用信誉卡将顾客的购买序列记录下来，顾 客在不同时期购买的商品可以分组为序列，序列模式的挖 掘可以分析顾客的消费或忠诚的变化，据此对价格和商品 花样进行调整以便留住老顾客，吸引新顾客。
卡夫(Kraft)食品公司建立了一个拥有3000万客户资料的数 据库，数据库是通过收集对公司发出的优惠券等其他促销 手段作出积极反应的客户和销售记录而建立起来的，卡夫 公司通过数据挖掘了解特定客户的兴趣和口味，并以此为 基础向他们发送特定产品的优惠券，并为他们推荐符合客 户口味和健康状况的卡夫产品食谱。
数据挖掘
是以数据仓库和多维数据库中的大量数据为基础,自动发 现数据中的潜在模式,并以这些模式为基础自动的作出 预测.
收集在大型数 据库中的数据 变成了”数据 坟墓”
2020/5/7
我们数据丰富但信息贫乏
生物信息学数据挖掘
7
在你的数据中搜索知识(有趣的模式)
数据中知识发现(KDD)
2020/5/7
生物信息学数据挖掘
4.BioSino：上海生命科学院生物信息中心，提供了有关生 物信息学方面的新闻、论文、相关数据库、软件等。
5.CBI：北京大学生物信息中心，介绍了丰富的生物信息学 基本知识，国内外生物信息学网站，常用的生物信息学数 据库的介绍和相关的软件等。
2020/5/7
生物信息学数据挖掘
6
数据挖掘(data mining)
生物信息学数据挖掘
4
专门数据库目录网站
《核酸研究》2000年开始创建了生物信息学数 据库 目录。
DBCat：法国生物信息中心于1997年建立的数据库目 录。到目前为止收录500多个数据库。
目前，绝大部分核酸和蛋白质数据库由美国、欧洲和 日本的３家数据库系统产生。它们共同组成国际核酸 序列数据库，每天交换数据，同步更新
生物信息学给数据挖掘提出了新课题和挑战
2020/5/7
生物信息学：融合生物科学与计算机科技的新学科
快速的数据获取率和客观分析的要求---已经不能仅依赖于 人的感知来处理了.因而,生物信息学与机器学习相结合也 就成了必然。 生物信息量的大规模，常规的计算机算法可以应用于生物 数据分析中, 但越来越不适用于序列分析问,需要新的思想 的加入.究竟原因,是由于生物系统本质上的模型复杂性及 缺乏在分子层上建立的完备的生命组织理论.
3
生物信息学相关数据库资源
1.核酸序列及其相关数据库
2.蛋白质序列及其相关数据库(蛋白质三维结构、
蛋白质组二维凝胶电泳数据库、信号传导及蛋 白质-蛋白质相互作用相关数据库、DNA和蛋 白质相互作用数据库)
3.基因组数据库
4.序列分析数据库
5.人类基因突变及疾病相关数据库
6.进化相关数据库
2020/5/7
大部分数据库是可以免费下载的公用数据库。
2020/5/7
生物信息学数据挖掘
5
生物信息学中心
1.NCBI：美国国立生物技术信息中心(The National Center Biotechnology Information)，设立了公共数据库， 开发软件工具分析核酸序列、基因组序列、基因表达序列、 蛋白序列等提供了大量与基因、蛋白序列有关的信息与文 献资料。
基因组生物信息学 蛋白质组生物信息学 代谢调控生物信息学 目的: 通过对生物学实验数据的获取、加工、存储、检索与分析， 进而揭示数据所蕴含的生物学意义。 前景： 生物信息学已然深入到了生命科学的方方面面 。
人类基因组计划为生物信息学提供了兴盛的契机，创造了施
展身手的巨大空间。
2020/5/7
生物信息学数据挖掘
2020/5/7
生物信息学数据挖掘
9
数据挖掘的经典案例
在电信行业
加拿大BC省电话公司要求加拿大Simon Fraser大学KDD研 究组根据其拥有的十多年的客户数据，总结、分析并提出 新的电话收费和管理办法，制定既有利于公司又有利于客 户的优惠政策。
竞技运动中的数据挖掘
美国著名的国家篮球队NBA的教练，利用IBM公司提供的数 据挖掘工具临场决定替换队员。
决策树
决策树提供了一种展示类似在什么条件下会得到什么值这类规 则的方法支持向量机方法 。
遗传算法
基于进化理论，并采用遗传结合、遗传变异、以及自然选择等 设计方法的优化技术。
近邻算法
将数据集合中每一个记录进行分类的方法。
规则推导
从统பைடு நூலகம்意义上对数据中的“如果-那么”规则进行寻找和推导方
生物信息学与数据挖掘