基于貝葉斯網(wǎng)絡(luò)構(gòu)建的基因表達(dá)調(diào)控網(wǎng)絡(luò)分析.pdf

1、后基因組時代,高通量數(shù)據(jù)的產(chǎn)生和分析是生物信息學(xué)研究的重要任務(wù)。其中,基因調(diào)控網(wǎng)絡(luò)的研究有助于在分子層面上揭示基因型和表型之間的關(guān)系,為疾病的早期診斷和治療、預(yù)防和預(yù)后提供有效的分析策略和技術(shù)支持。本文選擇大腦皮層微陣列基因表達(dá)數(shù)據(jù)為分析對象,以發(fā)現(xiàn)和預(yù)測基因之間的相互關(guān)系,特別是基因轉(zhuǎn)錄調(diào)控關(guān)系為目的,利用大腦皮層基因表達(dá)數(shù)據(jù)構(gòu)建和分析基因調(diào)控網(wǎng)絡(luò)。具體內(nèi)容如下：
　　 ⑴處理大腦皮層基因表達(dá)數(shù)據(jù),包括2方面工作,即基因芯片數(shù)

2、據(jù)的預(yù)處理和基因表達(dá)數(shù)據(jù)的聚類分析。本文利用R語言平臺和Bioconductor項(xiàng)目中的微陣列數(shù)據(jù)預(yù)處理相關(guān)包,提出針對寡核苷酸基因芯片數(shù)據(jù)的預(yù)處理方法,將探針?biāo)降拇竽X皮層基因表達(dá)數(shù)據(jù)轉(zhuǎn)換成基因表達(dá)數(shù)據(jù)矩陣,有助于大腦皮層基因表達(dá)數(shù)據(jù)的進(jìn)一步分析。大腦皮層基因表達(dá)數(shù)據(jù)的聚類分析包括對基因表達(dá)數(shù)據(jù)樣本的聚類分析和對基因變量的聚類分析。在對大腦皮層基因表達(dá)數(shù)據(jù)樣本的聚類分析中,確定異常樣本的定義和處理方法,去除大腦皮層基因表達(dá)數(shù)據(jù)中的異常

3、樣本。在對大腦皮層基因的聚類分析中,分析比較各種聚類方法產(chǎn)生的基因聚類效果,確定合適的聚類算法對大腦皮層基因進(jìn)行聚類分析,確定相似表達(dá)功能大腦皮層基因簇。
　　 ⑵基于貝葉斯網(wǎng)絡(luò)模型構(gòu)建基因調(diào)控網(wǎng)絡(luò)。通過聚類分析篩選出高度相關(guān)的大腦皮層基因簇,結(jié)合Biolearn軟件進(jìn)行基因調(diào)控網(wǎng)絡(luò)的構(gòu)建。通過選取不同的參數(shù),分析不同評分函數(shù)和網(wǎng)絡(luò)搜索策略構(gòu)建的基因調(diào)控網(wǎng)絡(luò)結(jié)果,確定最終的網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)參數(shù)。通過貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)參數(shù)的分析比較,

4、本文選擇基于BDe評分的貪婪爬山算法搜索策略對大腦皮層13個高度相關(guān)基因構(gòu)建基因調(diào)控網(wǎng)絡(luò)模型并對網(wǎng)絡(luò)進(jìn)行評分,得出評分最高的大腦皮層基因調(diào)控網(wǎng)絡(luò)模型。
　　 ⑶對基因調(diào)控網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)和功能分析?；蛘{(diào)控網(wǎng)絡(luò)作為一個生物學(xué)復(fù)雜網(wǎng)絡(luò),不僅具有網(wǎng)絡(luò)的結(jié)構(gòu)特征,還具有生物學(xué)特征。本文利用局部依賴模型(DDN)分析比較大腦皮層不同樣本集下基因調(diào)控網(wǎng)絡(luò)結(jié)構(gòu)特征,利用基因轉(zhuǎn)錄的時空特異性,確定差異局部網(wǎng)絡(luò)結(jié)構(gòu)中的基因“熱點(diǎn)”。本文還利用已知的