基于多網(wǎng)絡(luò)融合的人類疾病致病基因預(yù)測(cè)算法研究.pdf

1、隨著人類基因組計(jì)劃的順利完成并取得了重大成功，尋找疾病相關(guān)的致病基因是理解疾病發(fā)病機(jī)理、協(xié)助臨床判斷及預(yù)防診治手段的基礎(chǔ)，具有重大的社會(huì)和科學(xué)意義。因此人類疾病致病基因的預(yù)測(cè)逐漸成為生物醫(yī)學(xué)領(lǐng)域的熱點(diǎn)研究之一。同時(shí)隨著生物信息學(xué)的發(fā)展，多種類型的生物網(wǎng)絡(luò)數(shù)據(jù)對(duì)人類疾病致病基因的預(yù)測(cè)提供了巨大幫助。系統(tǒng)生物學(xué)研究表明同一疾病或者相似疾病是由功能相關(guān)的基因?qū)е碌?。很多研究者基于這一研究發(fā)現(xiàn)利用生物信息學(xué)融合蛋白質(zhì)相互作用網(wǎng)絡(luò)、疾病相似性網(wǎng)絡(luò)

2、和疾病-基因關(guān)聯(lián)網(wǎng)絡(luò)等多種生物數(shù)據(jù)，有效地利用不同網(wǎng)絡(luò)間所隱含的生物信息從而實(shí)現(xiàn)人類疾病致病基因的預(yù)測(cè)。
　　本課題在分析前人研究的基礎(chǔ)上，將人類蛋白質(zhì)復(fù)合物數(shù)據(jù)融入到疾病致病基因預(yù)測(cè)過(guò)程中，提出了ENPCANG(ENhancing the Prioritization of CANdidate disease Genes via integrating multiple network)算法，即結(jié)合隨機(jī)游走算法和異構(gòu)網(wǎng)絡(luò)隨機(jī)游走

3、算法分別從基因?qū)用婧湍K層面挖掘致病基因相關(guān)信息。與近期的其他幾種人類疾病致病基因預(yù)測(cè)算法相比，ENPCANG算法提高了一定的預(yù)測(cè)精度，并將該算法應(yīng)用到阿爾茨海默病和乳腺癌的致病基因預(yù)測(cè)中，相關(guān)實(shí)驗(yàn)結(jié)果進(jìn)一步表明該方法的有效性。
　　另一方面，已有研究表明基因功能相關(guān)數(shù)據(jù)是目前預(yù)測(cè)致病基因最有效率的數(shù)據(jù)之一。由此本課題基于KEGG通路注釋信息，綜合考慮通路之間的功能關(guān)聯(lián)和相互作用，從生物學(xué)通路出發(fā),結(jié)合 KEGG通路數(shù)據(jù)和拉普拉斯

4、規(guī)范化技術(shù)充分挖掘網(wǎng)絡(luò)的拓?fù)涮卣?，?qiáng)化網(wǎng)絡(luò)中種子節(jié)點(diǎn)間的權(quán)值，突出網(wǎng)絡(luò)的模塊化特征，并提出了另一種復(fù)雜疾病致病基因預(yù)測(cè)新方法——Ke_Lap_RWRH(combining Kegg pathway and Laplacian network normalization based Ramdom Walk with Restart on Heterogeneous network)。相關(guān)實(shí)驗(yàn)結(jié)果證明了該算法具有較好的性能，并在Ⅱ型糖尿病作