基于數(shù)據(jù)挖掘的基因調(diào)控網(wǎng)絡集成分析系統(tǒng)的算法設計與實現(xiàn).pdf

1、近幾年生物芯片技術的發(fā)展,積累了大量的基因表達數(shù)據(jù),擴大了基因表達數(shù)據(jù)庫的規(guī)模.這為基因組水平上研究基因表達調(diào)控關系奠定了基礎.基因調(diào)控網(wǎng)絡的重構(gòu)是一個嶄新的研究領域.基因調(diào)控網(wǎng)絡的研究不僅面臨著重構(gòu)分子通路的問題,而且對揭示基因的功能和疾病的診斷具有十分重要的意義.從基因表達數(shù)據(jù)到基因調(diào)控網(wǎng)絡是一個數(shù)據(jù)挖掘的過程.分類、聚類、回歸預報和貝葉斯方法是基因表達數(shù)據(jù)挖掘的得力工具,對基因調(diào)控網(wǎng)絡的建模和分析具有重要應用價值.基因調(diào)控網(wǎng)絡研究

2、的方向包括對調(diào)控區(qū)的數(shù)據(jù)挖掘和在全局層次上或某特定的局部對調(diào)控網(wǎng)絡的建模和推斷.從基因表達數(shù)據(jù)到基因網(wǎng)絡分子通路重構(gòu)必須完成數(shù)據(jù)預處理、分類聚類和預報推斷的過程.已有的基因調(diào)控網(wǎng)絡建模分析方法存在若干問題:①采用靜態(tài)模型,沒有引進概率選擇;②采用線性模型,難以反映真實復雜的調(diào)控關系;③采用貝葉斯網(wǎng)絡模型時,引入多種假設為前提以及較大的計算量增加了應用和求解的困難和負擔.PBN模型可以克服上述問題,它在標準布爾網(wǎng)絡的基礎上引進對父代基因集

3、合的概率選擇,克服了模型的靜態(tài)問題.PBN模型遵循聚類和回歸的思路,給模型的選擇留有寬闊的空間.但應用中的PBN模型存在如下問題:1.在聚類技術上,大多采用硬劃分聚類方法.然而,來自基因表達數(shù)據(jù)庫的連續(xù)表達數(shù)據(jù)經(jīng)離散化處理后卻帶有模糊性;2.在回歸技術上,多采用參數(shù)回歸的形式.在不清楚基因調(diào)控網(wǎng)絡關系信息的情況下,事先設定模型形式,存在背離實際的危險;3.建模分析過程未把數(shù)據(jù)處理環(huán)節(jié)涵括在內(nèi);4.建模過程中對先驗信息利用不夠.為克服上述

4、問題1、2,我們提出一種采用FCM聚類和非參數(shù)回歸結(jié)合的建模分析方法.在此基礎上,考慮了上述問題3、4,并基于數(shù)據(jù)挖掘的系統(tǒng)化思想,我們在PBN的框架下了設計了一種用于基因調(diào)控網(wǎng)絡推斷的分析系統(tǒng)模型,其結(jié)構(gòu)包括數(shù)據(jù)過濾器、基因分類器和網(wǎng)絡關系預報器.我們用經(jīng)組合設計的基于互信息的模糊聚類方法,完成分類任務;用組合了的具有探索性數(shù)據(jù)分析性質(zhì)的核回歸和PP回歸方法實現(xiàn)了基因調(diào)控網(wǎng)絡關系的預報.我們的試驗表明,選用最大樹、Fisher分類法和