his.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Clustering Genes by Using Different Types of Genomic Data and Self-Organizing Maps
Högskolan i Skövde, Institutionen för vård och natur.
2008 (Engelska)Självständigt arbete på avancerad nivå (magisterexamen), 10 poäng / 15 hpStudentuppsats
Abstract [en]

The aim of the project was to identify biologically relevant novel gene clusters by using combined genomic data instead of using only gene expression data in isolation. The clustering algorithm based on self-organizing maps (Kasturi et al., 2005) was extended and implemented in order to use gene location data together with the gene expression and the motif occurrence data for gene clustering. A distance function was defined to be used with gene location data. The algorithm was also extended in order to use vector angle distance for gene expression data. Arabidopsis thaliana is chosen as a data source to evaluate the developed algorithm. A test data set was created by using 100 Arabidopsis genes that have gene expression data with seven different time points during cold stress condition, motif occurrence data which indicates the occurrence frequency of 614 different motifs and the chromosomal location data of each gene. Gene Ontology (http://www.geneontology.org) and TAIR (http://arabidopsis.org) databases were used to find the molecular function and biological process information of each gene in order to examine the biological accuracy of newly discovered clusters after using combined genomic data. The biological evaluation of the results showed that using combined genomic data to cluster genes resulted in new biologically relevant clusters.

Ort, förlag, år, upplaga, sidor
2008. , s. 60
Nyckelord [en]
clustering, self-organizing maps, information fusion, gene analysis
Nationell ämneskategori
Bioinformatik och systembiologi
Identifikatorer
URN: urn:nbn:se:his:diva-2265OAI: oai:DiVA.org:his-2265DiVA, id: diva2:37815
Presentation
(Arabiska)
Uppsök
bio-/geovetenskap
Handledare
Examinatorer
Tillgänglig från: 2008-10-24 Skapad: 2008-10-14 Senast uppdaterad: 2010-02-18Bibliografiskt granskad

Open Access i DiVA

fulltext(1533 kB)855 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1533 kBChecksumma SHA-512
d94ebd0b73d38240f2cb370def9ebcae0be7964107180dd324096ea7cef79d8ed54bf625b11686bc8de22749d09f8e62a053a24c933f223849ce07bca8ca7877
Typ fulltextMimetyp application/pdf

Sök vidare i DiVA

Av författaren/redaktören
Özdogan, Alper
Av organisationen
Institutionen för vård och natur
Bioinformatik och systembiologi

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 855 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 471 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf