TY -的A2 -香港,德兴AU -胡,金玉AU -高,给PY - 2012 DA - 2012/09/23 TI -模块识别在肝细胞癌基因积极的网络使用皮尔逊烧结的方法和皮尔森凝聚力耦合模块化SP - 248658六世- 2012 AB -在这项研究中,一个基因积极网络,提出了基于加权无向图,其中重量表示正相关的基因。皮尔森烧结的聚类算法被用来建立一个聚类树,在虚线剪树从下到上导致一些模块的子集。为了达到更好的模块划分,皮尔森相关系数模块化是寻求最优解决模块分解通过选择最优阈值。肝癌基因网络研究下,我们获得一个强大的阈值为0.67302,和很强的相关性阈值为0.80086。这些阈值的基础上,14个模块和十三分别获得很强的模块。一定程度的两种类型的模块之间的通信处理。最后,这两种类型的模块的生物学意义进行了分析和解释,这表明这些模块是肝癌的扩散和转移密切相关。新模块的这一发现可能为肝癌的治疗提供新的线索和想法。SN - 1110 - 757 - 2012/248658 / 10.1155 x你——https://doi.org/10.1155/2012/248658——摩根富林明——应用数学学报PB Hindawi出版公司KW - ER