JP3773092B2

JP3773092B2 - 遺伝子発現パターン表示方法および装置並びに記録媒体

Info

Publication number: JP3773092B2
Application number: JP2000088695A
Authority: JP
Inventors: 亮中重; 康行野崎; 恒彦渡辺; 卓郎田村
Original assignee: Hitachi Software Engineering Co Ltd
Current assignee: Hitachi Software Engineering Co Ltd
Priority date: 2000-03-28
Filing date: 2000-03-28
Publication date: 2006-05-10
Anticipated expiration: 2020-03-28
Also published as: JP2001281244A

Description

【０００１】
【発明の属する技術分野】
本発明は、特定の遺伝子とハイブイリダイズさせることによって得られた時系列の遺伝子発現パターンデータを視覚的に分かり易く、そして遺伝子の機能・役割が推測し易い形式で表示するための遺伝子発現パターン表示方法および装置に関するものである。
【０００２】
【従来の技術】
従来、ゲノム配列が決定された種の増加に伴い、進化に対応すると見られる遺伝子を見つけ出し、どの生物にも共通に持っていると考えられる遺伝子の集合を探したり、それから逆に種に個別な特徴を推測するなど、種間の遺伝子の違いから何かを見出そうとする、いわゆるゲノム比較法が盛んに行われてきた。
【０００３】
しかし近年、ＤＮＡチップやＤＮＡマイクロアレイなどのインフラストラクチャの発達によって、分子生物学の興味は、種間の情報から種内の情報へ、すなわち同時発生解析へと移りつつあり、これまでの種間の比較と合わせて、情報の抽出から関連付けの場が大きく広がりを持ち始めている。
【０００４】
例えば、既知の遺伝子と同一の発現パターンを示す未知の遺伝子が見つかれば、それが既知の遺伝子と同様の機能があると類推できる。これら遺伝子や蛋白質そのものの機能的な意味付けは、機能ユニットや機能グループといった形で研究されている。また、それらの間の相互作用も、既知の酵素反応データや物質代謝データとの対応付けによって、あるいはより直接的に、ある遺伝子を破壊あるいは過剰反応させ、その遺伝子の発現をなくすか、あるいは多量に発現させ、その遺伝子の直接的および間接的影響を、全遺伝子の発現パターンを調べることによって解析している。
【０００５】
この分野において成功した事例として、スタンフォード大学のP．Brownらのグループによるイースト菌の発現解析が挙げられる（Michel B．Eisen et al．：Cluster analysis and display of genome-wide expression patterns：Proc．Natl．Acad．Sci.（1998）Dec 8；95(25)：14863-8）。彼らは、ＤＮＡマイクロアレイを用いて、細胞から抽出した遺伝子を時系列にハイブリダイズさせ、遺伝子の発現の度合い（ハイブリダイズした蛍光シグナルの輝度）を数値化した。数値に色を対応させることで、遺伝子の個々の発現過程を分かり易く表示させている。このとき、細胞の一連のサイクルにおいて発現パターンの過程が近い遺伝子同士（任意の時点での発現の度合いが近いもの同士）をクラスタリングしている。
【０００６】
図１２は、この方法にそって遺伝子の発現状態１２００を表示した例であり、横方向に実験ケース、縦方向に遺伝子を並べている。また左側の樹状図は、クラスタリングの過程で、最も近い２つのクラスタ毎に併合されてきた状況を表しており、各枝の長さは併合時の２つのクラスタ間距離に対応している。なお、図１２における１つの枠１２０１が１つの遺伝子のある時刻における発現状態を示すものであり、図１２では白黒の濃度を変えて発現状態を模式的に示している。
このような表示方法をとることにより、共通のクラスタに属する遺伝子は、共通の機能的性質をもつ可能性があると類推することができる。
【０００７】
【発明が解決しようとする課題】
ところが、実際の遺伝子発現パターンの分析では、図１２と同様な大量のデータをクラスタリングすることになる。遺伝子の種類に関しては、数千から一万、最大では十万を超える量であり、実験ケースも１０程度のオーダーから数十、数百など、任意の個数のデータを用意することが出来る。このため、図１２の樹状図の部分も非常に複雑な、細かな枝を多量に含んだものになる。
この状況を表わしたものが図１３である。大量の遺伝子発現パターンデータを対象にしたクラスタリングの結果全体が図１３の左側の部分である。また、右側の点線１３０１で囲んだ部分は、結果全体のうちユーザが実際に注目して分析結果の詳細を見るため、ウィンドウ枠などで範囲を限定した状況を示している。
このようにして得られた樹状図１３０２は、クラスタの最も近いものを２つずつ併合してきた過程を正確に表わしているが、この表示を見て遺伝子のグループ分けを判断・推測するユーザが見て、どのくらいのクラスタ数で大まかな分類ができているのかを判断するのは難しい、という難点がある。
ユーザは、例えば十くらい、百くらいの大まかな分類の仕方を提示してもらえるほうがありがたい。すなわち、大きな差異がある分類段階を自動的に計算し、例えば７クラスの場合、２８クラスの場合、１０５クラスの場合、３７２クラスの場合など、メニューとしての提示があれば、ユーザは細かな差異によるクラスタリングの影響に煩わされることなく、大まかな粒度に応じた適切な分類結果を選択して、遺伝子のグループ分けを考察することができる。
【０００８】
本発明は、このような従来技術の問題点を鑑み、クラスタリングの結果から、より大まかな分類結果を自動的に抽出し、ユーザが適切な分類結果を選択して分かり易く表示し、遺伝子のグループ分けを考察することができるようにする遺伝子発現パターン表示方法および装置を提供することを目的とする。換言すれば、上述したクラスタリングの過程で、分類間の隔たりが大きくなるようなクラスタリング結果として、複数の段階を用意し、効果的に表示することができる遺伝子発現パターン表示方法および装置を提供することを目的とする。
【０００９】
【課題を解決するための手段】
本発明では、前記目的を達成するために、遺伝子の発現パターンのデータをクラスタ分析した結果に対し、識別誤差範囲を考慮した段階別クラスタ概数を表示するステップを備えることを特徴とする。
例えば、クラスタリング処理過程で、ユーザの指定した識別誤差範囲を超える分類結果を複数保持しておき、結果の表示において、ユーザへ大まかな分類結果を複数提示する。
結果の表示においては、複数の分類結果の中からある分類を選択するための区間スケールバーと樹状図の切断線を用意する。ユーザは、区間スケールバー上の樹状図切断線を動かすことによって、特定の分類を選択できる。樹状図切断線を動かす際には、その位置での分類結果で幾つかのクラスタに分かれているかを明示するために、その遺伝子グループ数を表示する。また、遺伝子発現パターンデータの表示部分には、その樹状図切断線位置での遺伝子グループ間の境界線を引き、一定規模以上の遺伝子グループを明示的に強調表示する。
【００１０】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態を説明する。
図１は本発明の遺伝子発現パターン表示方法を適用した遺伝子発現パターン解析装置の一実施形態を示すシステム構成図である。この実施形態の解析装置は、一連の細胞のプロセスにおいて遺伝子の発現の度合いを数値化した遺伝子発現パターンデータ１００を格納している記憶装置（またはデータベース）１０１、その発現パターンデータを視覚化して表示するための表示装置１０２、本システムへの値の入力や選択の操作を行うためのキーボード１０３、マウス１０４、遺伝子の発現過程に応じて発現パターンデータ１００のクラスタリングを行なう表示処理部１０５から構成される。表示処理部１０５は、コンピュータと表示のための処理を行うプログラムによって具体化されるものである。なお、記憶装置１０１は、ネットワークを介して表示処理部１０５と結合することも可能である。
【００１１】
図２は、本発明によるクラスタ分析結果の表示例である。
図２は、大量の遺伝子発現パターンデータを対象にしたクラスタリングの結果全体を示した図１３左側部分の一部を基に表示したものであり、図１３の右側の点線１３０１で囲まれた部分に対応している。もちろん、本発明は、図２自体がクラスタリング結果の全体となり、図１３の左側と図２が一致する場合も含むものである。
図２では、区間スケールバー２０１上を動くことが可能な樹状図切断線２０２が、ユーザによるマウス１０４などのポインティングデバイスを利用した指示により、区間スケールバー２０１上の第２区間（▲２▼）に置かれた状況を示している。第２区間上では、この区間での分類によって遺伝子グループが３個出来ているという情報（クラスタ概数）２０３を示している。
さらに、遺伝子発現パターンデータ２００の部分には、この分類に対応した境界線２０４を引き、遺伝子グループＡ，Ｂ，Ｃとして分類結果に対する強調表示２０５を行っている。
【００１２】
図３は、記憶装置１０１に格納された遺伝子発現パターンデータ１００の具体的な構造を示したものである。ここで例示する遺伝子発現パターンデータ１００には、各遺伝子の遺伝子ＩＤ（geneID）３０１に対応してｍ個のベクトルデータ３０２がある。配列のインデックスはｎ個の実験ケースに対応し、配列要素の中身には、遺伝子の発現の度合い（ハイブリダイズした蛍光シグナルの輝度）を数値化したデータを格納している。
【００１３】
図４はクラスタリング処理において利用するクラスタ構造体の例を示すものである。クラスタ構造体には２種類あり、typeメンバの値がleafのもの（左側）４０１とnodeのもの（右側）４０２に分かれる。
leaf型クラスタ構造体４０１は、各遺伝子ごとの発現パターンデータ、すなわち、図３の各配列データに対応するもので、その遺伝子ＩＤの値をgeneIDメンバの値（例えば１７）として設定する。また、クラスタとしてのlevelはゼロに設定する。
node型クラスタ構造体４０２はクラスタリングにおける併合処理において逐次生成するもので、併合前の２つのクラスタをleftメンバの値とrightメンバの値から辿れるようにし、また、それらの間の距離をdistanceメンバの値として保持する。クラスタとしてのlevelは、識別誤差範囲の値に応じて（例えば５）設定する。
【００１４】
図５は、クラスタ分析の過程で生成するデータ構造を示した図である。クラスタ構造体は、最初leaf型の構造体４０１だけを用意するが、クラスタ分析の過程で２つずつ併合し、その度にnode型クラスタ構造体４０２を生成してトリー構造を組み立てる。node型クラスタ構造体４０２はそれを生成した順に、逐次、配列node_clusters[]から辿れるようにポインタを張ってゆく。変数nclus５０１は、これまで生成したnode型クラスタ構造体４０２の総数を保持する変数である。
【００１５】
図６は、区間スケールバー２０１や、ある分類結果における遺伝子グループ数の情報２０３、遺伝子グループ間の境界線２０４を引くための表示情報を保持するためのデータ構造例を示した図である。区間スケールバー２０１上の区間に対応するinterval構造体６０１は、識別誤差範囲を考慮した分類決定処理の過程で逐次生成されて、配列intervals[]６０２から辿れるようにポインタを張ってゆく。変数levelは、これまで生成したinterval構造体の総数を保持する変数である。
各interval構造体６０１は、メンバ名としてnum_clust、min_dist、max_dist、bordersがあり、num_clustメンバには、その分類における遺伝子グループ数情報が、min_distメンバとmax_distメンバには、クラスタ間距離に関する区間の上限値と下限値が、bordersメンバには、遺伝子発現パターンデータ２００中の境界線を引く位置（行番号）を設定する。
また、配列disp_leaf_clusters[]６０３には、遺伝子発現パターンデータ２００の各行に、図３中のどの遺伝子ＩＤに対応するベクトルデータを表示するかを決定するため、第ｉ行に対応する第ｉ番目の配列要素として表示する遺伝子ＩＤの値を設定する。
【００１６】
図７は、本発明の遺伝子発現パターン表示方法における概略処理手順を示すフローチャートである。
まず、記憶装置１０１に格納された遺伝子発現パターンデータ１００を表示処理部１０５へ読み込む（ステップ７００）。この場合、個々の発現パターンデータ１００の具体的な構造は、図３に示したものである。
次に、クラスタ分析に必要な各種パラメータを設定する（ステップ７０１）。この設定段階で、キーボード１０３を用いたユーザから識別誤差範囲の値の入力を受付け、変数Ｅに保持する。この識別誤差範囲の値は、図３に示した遺伝子ごとの発現パターンデータを２つずつ、距離や非類似度、類似度などの尺度に基いて比較する際、この値以上の差異があれば別のデータとして識別すべきである、という閾値を意味している。
各種パラメータ設定の後、クラスタ分析を行う（ステップ７０２）。このクラスタ分析の処理の間に、本発明の表示に必要な情報を収集し、表示用データの計算を行う。これについては、後で詳しく説明する。
最後に分析結果の表示を行う（７０３）。ここで、先に収集し、計算しておいた表示用のデータを用い、本発明に特有な表示（図２における区間スケールバー２０１、樹状図切断線２０２、遺伝子発現パターンデータ中の境界線２０４、遺伝子グループの強調表示２０５）を行う。
ここで、遺伝子グループの強調表示２０５を行う際には、所定数以上の遺伝子発現データが１つのクラスタとしてまとめられている場合に限って表示し、少数の遺伝子発現データで構成されたクラスタに対しては、遺伝子グループとしての表示を行わない、などの方法も可能である。
【００１７】
図８は、図７におけるクラスタ分析（ステップ７０２）の処理の詳細を示すフローチャートであり、第一段階として実行するクラスタ木の生成処理に関するフローチャートである。
図８において、まず、図３に示した各遺伝子ＩＤ３０１に対応するｍ個のベクトルデータ３０２をｍ個のleaf型クラスタ構造体４０１とし、併合対象クラスタとして登録する（ステップ８００）。次に、併合対象クラスタ数cnumの値をｍ、これまで生成したnode型クラスタ構造体４０２の数nclusを「０」として初期化する（ステップ８０１）。さらに、併合対象クラスタの数cnumが「１」に等しいかどうか判定し（ステップ８０２）、等しくない場合、「１」になるまで以下の一連の処理を繰り返す。
【００１８】
最初に、登録された併合対象のクラスタ構造体から相対距離最小の２つのクラスタを選択する（ステップ８０３）。次に、node型クラスタ構造体Ｃを新規に生成し（ステップ８０４）、node型クラスタ数をインクリメントする（ステップ８０５）。そして、配列node_clusters[]の第nclus番成分に新しいnode型クラスタ構造体を登録する（ステップ８０６）。さらに、新しいnode型クラスタ構造体のleftメンバ、rightメンバ、distanceメンバに、先にステップ８０３で選択した２つのクラスタ、およびその間の距離を登録する（ステップ８０７）。
ここで、２つクラスタのどちらをleftメンバとし、残りをrightメンバとするかについて、予め判定基準を設ける方法を採ることも可能である。
最後に、この２つのクラスタ構造体を併合対象クラスタ構造体から除外、新しいnode型クラスタ構造体を登録し（ステップ８０８）、併合対象クラスタ数cnumの値をデクリメントする（ステップ８０９）。
ステップ８０２の判定においてcnumの値が「１」に等しくなった場合は、図９のフローチャートに示す処理（クラスタレベルの設定）に継続する。
【００１９】
図９は、第２段階として実行するクラスタレベルの設定処理に関するフローチャートである。
第１段階の処理で生成されたnode型クラスタ構造体はすべて配列node_clusters[]（図５）に登録されており、そのdistanceメンバの値は配列のインデックスに従って一般に昇順データをなっているが、クラスタリングのアルゴリズムの選択によっては、必ずしも昇順とはならない可能性がある。このため、まず、配列node_clusters[]に登録された各node型クラスタ構造体のdistanceメンバを検証する（ステップ９００）。
この検証の結果、昇順になっていない場合、node_clusters[]を昇順になるようにソート処理を施す、あるいは昇順になっていない場所だけ検出して別の処理を行う。
【００２０】
次に、各種変数の初期値を設定する（ステップ９０１）。具体的には、配列node_clusters[]用カウンタｉ（初期値１）、クラスタレベルlevel（初期値０）、処理中のnode型クラスタのdistanceメンバ値curr_dist（初期値０）、前回処理したnode型クラスタのdistanceメンバ値prev_dist（初期値０）を設定する。
そして、カウンタｉの値と変数nclusの値を比較することにより、配列node_clusters[]の各要素に対して、以下の一連の処理を実行する（ステップ９０２）。
【００２１】
まず、ｉ番目のnode型クラスタのdistanceメンバ値を変数curr_distに保持し（ステップ９０３）、変数curr_distの値とprev_distの値の差がユーザにより指定された識別誤差範囲Ｅの値より小さいかどうかを判定する（ステップ９０４）。
その差がＥの値より小さくない場合は、まず変数levelの値をインクリメントする（ステップ９０５）。そして、新しくinterval構造体を生成し、そのmin_distメンバにprev_distの値を、max_distメンバにcurr_distの値を、num_clustメンバに（nclus - i + 1）の値を設定し、このinterval構造体自体を配列intervals[]の第level番目の要素として登録する（ステップ９０６）。ここで、bordersメンバにはデフォルト値として空集合｛｝を設定しておく。
【００２２】
ステップ９０４の判定において、curr_distの値とprev_distの値の差がＥの値より小さい場合には、ステップ９０５とステップ９０６の処理を省略し、以下の処理に継続する。
また、node_clusters[i]に登録されたnode型クラスタ構造体のlevelメンバ値として、変数levelの値を登録する（ステップ９０７）。
最後に、curr_distの値をprev_distに移し、カウンタｉの値をインクリメントして（ステップ９０８）、ステップ９０２に戻る。
配列node_clusters[]のすべての要素に対して、ステップ９０３からステップ９０８までの処理を実行し終えたら（ステップ９０２）、図１０の処理に継続する。
【００２３】
図１０は、図７におけるクラスタ分析（ステップ７０２）の処理の詳細を示すフローチャートであり、第３段階として実行する表示用データの作成処理に関するフローチャートである。
まず、配列disp_leaf_clusters[]のインデックスを保持する変数ｊの値を「１」とし、次の表示用データ作成処理（処理Ａ）に渡す引数clusterの値を、配列node_clusters[]の第nclus番目の要素が指すnode型クラスタ構造体として設定する（ステップ１０００）。
そして、clusterを引数として、処理Ａ：表示用データ作成処理ルーチンを呼び出す（ステップ１００１）。このステップ１００１では、処理Ａを再帰的に呼び出し、図８のフローで作成したクラスタ木の構造に従ってトリーウォークを実行する過程で、表示用のデータを収集し、計算している。この再帰的な処理が終了した段階で、クラスタ分析の処理を終了する。
【００２４】
図１１は、図１０における処理Ａ：表示用データ作成処理（ステップ１００１）の詳細を示すフローチャートである。
まず、引数culsterで渡されたクラスタ構造体のtypeメンバの値を検査する（ステップ１１００）。
その結果、leaf型クラスタ構造体であった場合、配列disp_leaf_clusters[]の第ｊ番目の要素として、そのクラスタのgeneIDメンバの値を設定し（ステップ１１０１）、ｊの値をインクリメントする（ステップ１１０２）。
【００２５】
また、引数clusterで渡されたクラスタがnode型クラスタ構造体であった場合、まずleftメンバのクラスタを引数とした処理Ａの再起呼び出し（ステップ１１０３）を行い、次に自分のクラスタに関する処理（ステップ１１０４からステップ１１０６まで）を行い、最後にrightメンバのクラスタを引数とした処理Ａの再起呼び出し（ステップ１１０７）を行う。
【００２６】
自分のクラスタに関する処理としては、まず、自分のlevelメンバ値、leftメンバから辿れるクラスタのlevelメンバ値、rightメンバから辿れるクラスタのlevelメンバ値の３データをそれぞれ変数my_level、l_level、r_levelに設定する（ステップ１１０４）。次にl_levelとr_levelの小さいほうの値と、my_levelの値を比較する（ステップ１１０５）。
その結果、my_levelの方が大きかった場合は、min{l_level、r_level}から(my_level -1)までインデックスｋの値を動かし、intervals[k]の指すinterval構造体のbordersメンバに対して、その値の集合に変数ｊの値を追加する処理を行う（ステップ１１０６）。
ステップ１１０５での比較結果、my_levelの方が大きくなかった場合は、ステップ１１０６の処理を省略し、ステップ１１０７に移る。
以上、leaf型クラスタ構造体またはnode型クラスタ構造体に対する一連の処理が終了した場合、処理Ａは終了する。
【００２７】
以上の処理によって、図２に示したようなクラスタ分析結果の表示が可能となる。
まず、遺伝子発現パターンデータ２００の部分は配列disp_leaf_clusters[]の情報を利用することによって、上から１行ずつ表示できる。また樹状図の部分は、node_clusters[nclus]の指しているクラスタを根として持つトリー構造のデータから表示が可能である。
本発明の特徴となる区間スケールバー２０１と樹状図切断線２０２は、配列intervals[]に登録された各intervalのmin_distメンバ値とmax_distメンバ値を参照することで表示可能であり、分類結果の遺伝子グループ数の表示２０３は、num_clustメンバ値を参照することで表示可能である。
さらに、遺伝子発現パターンデータの表示中にある遺伝子グループ間の境界線２０４とグループに対する範囲の強調表示２０５は、bordersメンバ値を参照することで表示可能である。
【００２８】
なお、図７〜図１１に示した処理は、ＣＤ−ＲＯＭ等の記録媒体に遺伝子発現パターン解析表示プログラムとして記録してパーソナルコンピュータやワークステーション等のユーザに提供することができる。
【００２９】
【発明の効果】
以上説明したように、本発明によれば、クラスタリングの結果から、より大まかな分類結果を自動的に抽出し、その中からユーザが所望する段階の分類結果を選択して分かり易く表示することができる。すなわち、分類間の隔たりが大きくなるようなクラスタリング結果として複数の段階を用意し、効果的に表示することができる。したがって、ユーザは遺伝子のグループ分けを判断・推測する際にこの表示を見て、どのくらいのクラスタ数で大まかな分類ができているのかを容易に判断することができるようになる。
【図面の簡単な説明】
【図１】本発明を適用した遺伝子発現パターン解析装置の一実施形態を示すシステム構成図である。
【図２】遺伝子発現パターンに対する本発明のクラスタ分析結果の表示例を示す図である。
【図３】遺伝子発現パターンデータの構造例を示す図である。
【図４】クラスタ構造体の例を示す図である。
【図５】クラスタ木構造の生成例を示す図である。
【図６】表示用データの例を示す図である。
【図７】本発明の遺伝子発現パターンの表示処理の概略処理手順を示すフローチャートである。
【図８】クラスタ分析の中でクラスタ木の生成処理を示すフローチャートである。
【図９】クラスタ分析の中でクラスタレベルの設定処理を示すフローチャートである。
【図１０】クラスタ分析の中で表示用データ作成処理を示すフローチャートである。
【図１１】表示用データ作成処理の中で処理Ａの詳細を示すフローチャートである。
【図１２】遺伝子発現パターンに対する標準的クラスタ分析結果の表示例を示す図である。
【図１３】クラスタ分析結果の全体と表示対象部分木の対応例を示す図である。
【符号の説明】
１００…遺伝子発現パターンデータ、１０１…記憶装置、１０２…表示装置、１０３…キーボード、１０４…マウス、２０１…区間スケールバー、２０２…樹状図切断線、２０３…遺伝子グループ数情報、２０４…遺伝子グループ間境界線、２０５…遺伝子グループの強調表示、４０１…leaf型クラスタ構造体、４０２…node型クラス構造体。

Claims

複数の遺伝子の発現パターンを視覚的に表示する遺伝子発現パターン表示方法であって、
遺伝子毎の発現パターンデータを異なるデータとして識別するための識別誤差範囲データを入力手段から受付ける第１のステップと、
前記遺伝子の発現パターンデータを記憶手段から読み出してクラスタリングを行い、クラスタリングした発現パターンデータの隔たりを示すクラスタ間距離データを昇順に格納した第１のデータ構造体を作成する第２のステップと、
前記第 1 のデータ構造体に格納されたクラスタ間距離データ同士の差を計算し、計算した差と前記識別誤差範囲データとを比較することによって前記第１のデータ構造体に格納されたクラスタ間距離データを木構造に分類し、各分類段階における遺伝子クラスタ数、クラスタ間距離の最小値、最大値を格納した第２のデータ構造体を作成する第３のステップと、
前記第２のデータ構造体に格納されたデータに基づき遺伝子発現パターンデータ、前記識別誤差範囲データに基づく分類段階別の樹状図及び区間スケールバーを表示装置画面に表示し、その表示された区間スケールバー及び樹状図上に表示された切断線によって指定された分類段階における遺伝子クラスタ数を表示すると共に、表示された遺伝子発現パターンデータ上に前記分類段階別のクラスタ間距離の最小値、最大値のデータに基づく境界線を表示する第４のステップと
を備えることを特徴とする遺伝子発現パターン表示方法。
複数の遺伝子の発現パターンを視覚的に表示する遺伝子発現パターン表示装置であって、
遺伝子毎の発現パターンデータを異なるデータとして識別するための識別誤差範囲データを入力手段から受付ける第１の手段と、
前記遺伝子の発現パターンデータを記憶手段から読み出してクラスタリングを行い、クラスタリングした発現パターンデータの隔たりを示すクラスタ間距離データを昇順に格納した第１のデータ構造体を作成する第２の手段と、
前記第１のデータ構造体に格納されたクラスタ間距離データ同士の差を計算し、計算した差と前記識別誤差範囲データとを比較することによって前記第１のデータ構造体に格納されたクラスタ間距離データを木構造に分類し、各分類段階における遺伝子クラスタ数、クラスタ間距離の最小値、最大値を格納した第２のデータ構造体を作成する第３の手段と、
前記第２のデータ構造体に格納されたデータに基づき遺伝子発現パターンデータ、前記識別誤差範囲データに基づく分類段階別の樹状図及び区間スケールバーを表示装置画面に表示し、その表示された区間スケールバー及び樹状図上に表示された切断線によって指定された分類段階における遺伝子クラスタ数を表示すると共に、表示された遺伝子発現パターンデータ上に前記分類段階別のクラスタ間距離の最小値、最大値のデータに基づく境界線を表示する第４の手段と
を備えることを特徴とする遺伝子発現パターン表示装置。