A comparative analysis of biclustering algorithms for gene expression data

Abstract

The need to analyze high-dimension biological data is driving the development of new data mining methods. Biclustering algorithms have been successfully applied to gene expression data to discover local patterns, in which a subset of genes exhibit similar expression levels over a subset of conditions. However, it is not clear which algorithms are best suited for this task. Many algorithms have been published in the past decade, most of which have been compared only to a small number of algorithms. Surveys and comparisons exist in the literature, but because of the large number and variety of biclustering algorithms, they are quickly outdated. In this article we partially address this problem of evaluating the strengths and weaknesses of existing biclustering methods. We used the BiBench package to compare 12 algorithms, many of which were recently published or have not been extensively studied. The algorithms were tested on a suite of synthetic data sets to measure their performance on data with varying conditions, such as different bicluster models, varying noise, varying numbers of biclusters and overlapping biclusters. The algorithms were also tested on eight large gene expression data sets obtained from the Gene Expression Omnibus. Gene Ontology enrichment analysis was performed on the resulting biclusters, and the best enrichment terms are reported. Our analyses show that the biclustering method and its parameters should be selected based on the desired model, whether that model allows overlapping biclusters, and its robustness to noise. In addition, we observe that the biclustering algorithms capable of finding more than one model are more successful at capturing biologically relevant clusters.

Algoritmos e técnicas de validação em agrupamento de dados multi-representados, agrupamento possibilístico e bi-agrupamento

“…Essa abordagem permite a discriminação local de atributos, de acordo com as subestruturas dos dados. Tais algoritmos têm despertado um interessente crescente da comunidade de análise de expressão gênica, a qual têm produzido várias técnicas de bi-agrupamento nos últimos anos (Madeira e Oliveira, 2004;Tanay et al, 2005;Busygin et al, 2008;Eren et al, 2012).…”

“…Desde 2000, foram desenvolvidos dezenas de algoritmos de bi-agrupamento para expressão gênica (Madeira e Oliveira, 2004;Tanay et al, 2005;Busygin et al, 2008;Eren et al, 2012). A proposição de um novo algoritmo é usualmente acompanhada de um estudo comparativo incluindo outros algoritmos de bi-agrupamento.…”

“…Nesse caso, a medida de similaridade pode ser usada para comparar diretamente o bi-agrupamento encontrado com o de referência (Gao et al, 2012;Hanczar e Nadif, 2012;Eren et al, 2012), e nenhuma suposição quanto aos padrões de expressão gênica precisa ser feito. É apresentada na seção seguinte uma revisão das medidas de similaridade de bi-agrupamentos.…”

“…Esse experimento segue o modelo de regulação-positiva constante para bi-grupo adotado na análise empírica de algoritmos de bi-agrupamento de um estudo publicado recentemente (Eren et al, 2012). Foi gerada uma matriz de dados com 50 linhas e 10 colunas 2 , na qual foi inserido um bi-grupo com um nível de expressão constante 5.…”

“…Gerou-se uma matriz de dados de 50 linhas e 20 colunas, com três bi-grupos que seguem o modelo de deslocamento usado em (Eren et al, 2012). A Figura 6.8 retrata a matriz de dados.…”