信號(hào)通路相關(guān)文獻(xiàn)挖掘與分析方法研究.pdf

1、生物信息學(xué)是以計(jì)算機(jī)為工具對(duì)生物信息進(jìn)行儲(chǔ)存、檢索和分析的科學(xué)。隨著生物醫(yī)學(xué)文獻(xiàn)的爆炸式增長，運(yùn)用數(shù)據(jù)挖掘方法從文獻(xiàn)中發(fā)現(xiàn)新知識(shí)受到越來越多的學(xué)者的關(guān)注。生物信息學(xué)研究的一個(gè)重要應(yīng)用是開發(fā)信息檢索的工具，對(duì)分散在文獻(xiàn)里的有用信息進(jìn)行系統(tǒng)整理。相對(duì)于傳統(tǒng)的文獻(xiàn)檢索方法，這些方法具有速度快、自動(dòng)化程度高的優(yōu)點(diǎn)，尤其適用于大規(guī)模文獻(xiàn)分析。 信號(hào)通路是生物對(duì)外界刺激做出反應(yīng)的物質(zhì)基礎(chǔ)，幾乎參與所有的細(xì)胞生命活動(dòng)：代謝、分裂、分化、行使功

2、能、凋亡等。近年來，與信號(hào)通路有關(guān)的研究如火如荼，但是大量的珍貴研究成果散落在海量的生物醫(yī)學(xué)文獻(xiàn)中，因此搜集、整理與信號(hào)通路有關(guān)的信息，對(duì)于全面理解生物進(jìn)行復(fù)雜調(diào)控的機(jī)制具有重要意義。本文主要以信號(hào)通路的研究為背景，對(duì)蛋白磷酸化和基因轉(zhuǎn)錄調(diào)控這兩個(gè)關(guān)鍵環(huán)節(jié)的文獻(xiàn)進(jìn)行搜集整理，并利用獲得的文獻(xiàn)數(shù)據(jù)預(yù)測(cè)蛋白磷酸化位點(diǎn)、推斷癌癥芯片中的轉(zhuǎn)錄因子和信號(hào)通路，旨在揭示信號(hào)通路的磷酸化機(jī)制以及信號(hào)通路在疾病、特別是癌癥的產(chǎn)生和發(fā)展過程中的作用機(jī)制。

3、 本文完成的有特色的研究工作主要包括： 1.基因的表達(dá)調(diào)控是信號(hào)通路中的重要環(huán)節(jié)，是信號(hào)通路的輸出結(jié)果之一。本文提出了一種采用貝葉斯統(tǒng)計(jì)方法挖掘基因轉(zhuǎn)錄調(diào)控—轉(zhuǎn)錄因子結(jié)合位點(diǎn)信息的方法。通過大量統(tǒng)計(jì)獲得描述轉(zhuǎn)錄因子結(jié)合位點(diǎn)文獻(xiàn)中的特征單詞，再使用貝葉斯統(tǒng)計(jì)的方法對(duì)未知類別的文獻(xiàn)打分，根據(jù)分?jǐn)?shù)判斷一個(gè)未知分類的文獻(xiàn)是否描述轉(zhuǎn)錄因子結(jié)合位點(diǎn)。從理論上證明這種方法與傳統(tǒng)的TF/TDF方法是一致的。將該方法與PubMed提供的相

4、關(guān)文獻(xiàn)方法結(jié)合，可以極大提高數(shù)據(jù)挖掘效率，減少硬件消耗。本文方法能達(dá)到91％查全率，45％查準(zhǔn)率。與關(guān)鍵詞的方法(查全率<83％，查準(zhǔn)率<26％)相比性能顯著提高；查全率接近單獨(dú)使用相關(guān)文獻(xiàn)法(查全率93％，查準(zhǔn)率27％)，但查準(zhǔn)率提高了不少，能極大提高數(shù)據(jù)挖掘的效率。應(yīng)用本文的方法，共獲得了61，000篇描述轉(zhuǎn)錄因子結(jié)合位點(diǎn)的文獻(xiàn)。 2.蛋白激酶催化蛋白質(zhì)磷酸化，在信號(hào)轉(zhuǎn)導(dǎo)中起著信息轉(zhuǎn)換的作用。本文再次利用貝葉斯統(tǒng)計(jì)和相關(guān)文獻(xiàn)

5、的方法對(duì)蛋白激酶的磷酸化位點(diǎn)數(shù)據(jù)進(jìn)行搜索，并結(jié)合模式識(shí)別技術(shù)對(duì)描述磷酸化位點(diǎn)的句子進(jìn)行顏色標(biāo)記。共查找出701篇文獻(xiàn)，352個(gè)底物蛋白，498個(gè)磷酸化位點(diǎn)。利用這些數(shù)據(jù)與Phospho．Elm中的數(shù)據(jù)，我們提出了一種基于貝葉斯決策的磷酸化位點(diǎn)預(yù)測(cè)算法PPSP。對(duì)多個(gè)磷酸激酶家族的測(cè)試結(jié)果顯示，該方法的預(yù)測(cè)效果好于目前常用的Scansite、KinasePhos、NetPhosK和GSP方法，而且具有簡單、高效、魯棒性好等優(yōu)點(diǎn)。我們還設(shè)計(jì)

6、了一個(gè)基于此算法的網(wǎng)站(http://bioinformatics．lcd-ustc．org/PPSP)，向國際同行提供在線預(yù)測(cè)服務(wù)。 3.癌癥芯片中的異常信號(hào)通路分析對(duì)于探究癌癥的機(jī)理具有重要的指導(dǎo)作用，本文提出一種新的轉(zhuǎn)錄因子介導(dǎo)的信號(hào)通路分析方法，用來分析腫瘤芯片數(shù)據(jù)，從中推斷異常的轉(zhuǎn)錄因子和信號(hào)通路。轉(zhuǎn)錄因子的活性通過統(tǒng)計(jì)其目標(biāo)基因的表達(dá)來推斷，然后將那些活性異常的轉(zhuǎn)錄因子映射到KEGG信號(hào)通路上。此方法整合了基因表達(dá)調(diào)