差異甲基化區(qū)域識別算法研究.pdf

1、DNA甲基化是一種重要的表觀遺傳修飾，在胚胎發(fā)育、染色體結(jié)構(gòu)、X染色體失活、基因組印跡和染色體穩(wěn)定性、細(xì)胞衰老以及疾病的發(fā)生和腫瘤的形成方面發(fā)揮著重要的調(diào)控作用。不同條件下的生物學(xué)樣本之間存在的差異甲基區(qū)域，可能參與到基因表達(dá)的調(diào)控，進(jìn)而影響基因功能。差異甲基化區(qū)域識別與通常意義上的特征選擇有顯著區(qū)別:通常的特征選擇往往假定特征間無關(guān)聯(lián)性，而CpG位點即特征在基因組空間中具有位置關(guān)聯(lián)性。已有的研究表明，相對于單個位點獨立的識別方法，針對

2、整個區(qū)域的識別方法更有生物學(xué)上的價值。然而，現(xiàn)有差異甲基化區(qū)域識別方法存在一些問題，例如過度刪除顯著性弱的甲基化位點、區(qū)域長度受限以及不能直接處理多類別情況。針對這些問題，本文提出了三個差異甲基化區(qū)域識別算法，主要研究成果如下:
　　第一，為了能直接處理多類別問題，本文提出了一種利用滑動窗口和KNN算法的差異甲基化區(qū)域識別算法。算法先通過滑動窗口和KNN分類器篩選基因組上存在的候選差異甲基化區(qū)域，然后合并滿足分類誤差率條件的候選區(qū)

3、域得到差異甲基化區(qū)域。真實數(shù)據(jù)上的實驗表明，算法的分類性能、聚類指數(shù)明顯優(yōu)于對照算法，擴(kuò)展了對照算法識別的區(qū)域長度，并能識別對照方法未發(fā)現(xiàn)的差異甲基化區(qū)域。
　　第二，針對本文提出的第一種方法存在兩個候選差異甲基化區(qū)域在不滿足拼接條件時將會丟失與候選區(qū)域相鄰的位點這一問題，本文提出了一種基于貪心策略的差異甲基化區(qū)域識別算法。該方法是先利用滑動窗口和KNN分類器構(gòu)建篩選候選區(qū)域模型，再采用貪心策略擴(kuò)展候選區(qū)域長度得到差異甲基化區(qū)域。

4、通過實驗分析對比了算法的有效性和準(zhǔn)確度，得出該方法表現(xiàn)更優(yōu)，準(zhǔn)確有效。
　　第三，針對已發(fā)表和本文提出的前兩個算法存在的一些問題，例如依賴分類器和需要預(yù)先設(shè)定實驗參數(shù)，本文提出了一種基于聚類驗證技術(shù)的啟發(fā)式差異甲基化區(qū)域識別算法。該方法是運用聚類驗證技術(shù)構(gòu)建差異甲基化區(qū)域識別模型，然后利用貪心思想的啟發(fā)式算法來優(yōu)化從基因組上搜索差異甲基化位點子集，使得不同類別在該子集的維度空間中具有良好的可分性這一問題，從而通過求解差異甲基化位點