基于基因網(wǎng)絡(luò)的致病基因預(yù)測算法研究.pdf

1、致病基因的研究是對遺傳疾病的治療具有重要的意義。近年來，高通量測序技術(shù)的高速發(fā)展為致病基因的研究帶來了新的機(jī)遇，并涌向出大量的致病基因研究方法。這些方法基于已有的疾病或表型與基因之間的因果關(guān)系，使用網(wǎng)絡(luò)構(gòu)建方法對致病基因進(jìn)行排序，從而達(dá)到致病基因篩選的目的。它們大多基于一個(gè)前提，即致使相同或相似疾病發(fā)病的基因在基因生物網(wǎng)絡(luò)中鄰近，存在著模塊特性。但現(xiàn)有的方法對生物實(shí)體網(wǎng)絡(luò)的鄰接矩陣的構(gòu)建較為粗糙，即存在關(guān)聯(lián)關(guān)系的為1，否則為0，無法對基

2、因之間的關(guān)聯(lián)關(guān)系進(jìn)行更合理的量化。此外，高通量測序技術(shù)產(chǎn)生了大量生物數(shù)據(jù)，使得集成數(shù)據(jù)分析方法成為目前致病基因研究的主要手段，但大多數(shù)方法都是基于生物實(shí)體的局部信息進(jìn)行特征的構(gòu)建，沒有更好的擴(kuò)展利用生物實(shí)體網(wǎng)絡(luò)的拓?fù)涮匦?。本課題研究的工作主要包括：
　　第一，從另一種角度引入了研究生物實(shí)體間關(guān)系的方法，通過考察生物數(shù)據(jù)分布規(guī)律，來量化生物實(shí)體間的相對重要程度?；诖吮菊n題引入兩種統(tǒng)計(jì)特征量化數(shù)據(jù)間的關(guān)系。一種是計(jì)算基因表達(dá)數(shù)據(jù)的相

3、關(guān)系數(shù)，用于分析基因間在功能上或者調(diào)控上對整個(gè)基因網(wǎng)絡(luò)的重要程度；另一種是計(jì)算基因表達(dá)數(shù)據(jù)的信息散度，將基因的表達(dá)值作為基因表達(dá)的概率來量化基因間的表達(dá)分布，以此得到基因間的相互重要關(guān)系；與蛋白質(zhì)交互網(wǎng)絡(luò)數(shù)據(jù)的比對實(shí)驗(yàn)表明這兩種統(tǒng)計(jì)特征的AUC、Top1和Top50在致病基因預(yù)測問題上優(yōu)于后者，驗(yàn)證了所引入的兩種統(tǒng)計(jì)特征對致病相關(guān)基因篩選的有效性。
　　第二，提出一種隨機(jī)游走算法的二元邏輯回歸模型用于致病相關(guān)基因的預(yù)測。利用隨機(jī)游

4、走模型，對每一個(gè)基因進(jìn)行關(guān)聯(lián)基因的篩選，從得到與這個(gè)基因關(guān)聯(lián)性強(qiáng)的基因中，分別從個(gè)數(shù)和權(quán)重這兩個(gè)方面統(tǒng)計(jì)這些基因的全局信息，并用來構(gòu)建基因的特征向量，得到了特征F1、特征F2和特征F3。
　　第三，在特征F1下，三個(gè)不同的生物數(shù)據(jù)網(wǎng)絡(luò)：蛋白質(zhì)交互網(wǎng)絡(luò)、基因共表達(dá)網(wǎng)絡(luò)和基因通路網(wǎng)絡(luò)中本章方法得到的AUC明顯優(yōu)于B Chen等人提出的特征“PCF1”、MRF算法和RWR算法得到的結(jié)果。在F2特征下，三個(gè)不同的生物數(shù)據(jù)網(wǎng)絡(luò)中，本課題提出