基于拓?fù)湎嗨菩耘c語義相似性的疾病基因預(yù)測研究.pdf

1、當(dāng)前系統(tǒng)生物學(xué)的一個重要的新興話題是闡述清楚人類遺傳病與致病基因的關(guān)系。而隨著不同種類的基因組數(shù)據(jù)的快速積累,對于所需研究的疾病表型越來越多的采用計算的方法來進(jìn)行疾病基因預(yù)測。計算方法的明顯好處就是節(jié)省大量的人力和物力。研究發(fā)現(xiàn)基于蛋白質(zhì)相互作用網(wǎng)絡(luò)的疾病基因預(yù)測具有模塊化的性質(zhì)。然而蛋白質(zhì)關(guān)聯(lián)數(shù)據(jù)的不完整性，造成有些蛋白質(zhì)之間的關(guān)聯(lián)比較弱，從而導(dǎo)致疾病基因預(yù)測的準(zhǔn)確度不高。因此，本文希望通過增加一些其他的數(shù)據(jù)資源，從而更加準(zhǔn)確的識別出

2、致病基因。
　　本文首先利用蛋白質(zhì)互作網(wǎng)絡(luò)進(jìn)行疾病基因預(yù)測。具體工作如下：本文提出了第一類方法是RWRAHRSS和RWRMHRSS，這兩個方法的唯一不同點就是把候選基因與所有相關(guān)已知疾病基因的語義平均值或者是語義最大值作為隨機(jī)游走算法的初始向量。此種方法的具體過程如下：首先利用候選基因與疾病基因之間的語義相似性去設(shè)置在蛋白質(zhì)互作網(wǎng)絡(luò)中使用的隨機(jī)游走算法的初始向量。并根據(jù)最終游走的結(jié)果去排序候選基因。在相應(yīng)參數(shù)下，本文算法RWRAH

3、RSS，RWRMHRSS相對于RWR與DP_LCC算法的AUC值都有所提高。進(jìn)一步，本文在第一類方法的基礎(chǔ)上，利用構(gòu)建的異質(zhì)網(wǎng)絡(luò)代替蛋白質(zhì)互作網(wǎng)絡(luò)以及采用線性相關(guān)來衡量拓?fù)湎嗨菩裕瑥亩岢隽肆硪环N疾病基因方法。具體工作如下：本文提出的第二類方法是AHRWRL和MHRWRL。這兩個方法的區(qū)別和第一類方法兩個方法的區(qū)別一樣。其具體過程如下：首先，同樣利用候選基因與疾病基因之間的語義相似性去設(shè)置在異構(gòu)網(wǎng)絡(luò)中使用的隨機(jī)游走算法的初始向量。其次，

4、使用疾病擴(kuò)散譜和候選基因擴(kuò)散譜的線性相關(guān)性來衡量異構(gòu)網(wǎng)絡(luò)中的拓?fù)湎嗨菩浴Ｗ詈?，結(jié)合前面兩步的結(jié)果來進(jìn)行疾病基因預(yù)測。在相應(yīng)參數(shù)下，本文算法AHRWRL，MHRWRL相對于DP_LCC與RWRH算法的AUC值都有提高。AHRWRL，RWRAHRSS相對于本文第一類算法RWRAHRSS與RWRMHRSS也分別有所提高。
　　通過本文提出來的方法，對多基因疾病如阿爾默茨癥，乳腺癌和糖尿病等進(jìn)行疾病基因預(yù)測。預(yù)測出來的部分基因和文獻(xiàn)報道一