基于候選基因選擇的調控網(wǎng)絡構建方法.pdf

1、重構基因調控網(wǎng)絡是了解生物過程的關鍵問題，其下游研究可以為藥物定位和精準醫(yī)療提供有意義的策略。微陣列方法提供了大量基因表達數(shù)據(jù)，這為重構基因調控網(wǎng)絡提供了可行的基礎。許多計算方法諸如聚類，線性規(guī)劃等方法因此被提出來解決此問題，但目前最有效的方法之一是集成路徑一致算法和條件信息熵，因為條件信息熵不僅具有度量非線性相關的優(yōu)勢（非線性相關廣泛出現(xiàn)在生物數(shù)據(jù)中），而且也可以用來區(qū)分直接相關和間接相關。PCA-CMI和CMI2NI就是基于上述思想

2、，并被廣泛應用于重構基因調控網(wǎng)絡。然而PCA-CMI和CMI2NI如何選擇合理的條件基因仍然是一個挑戰(zhàn)，這也直接影響了算法的性能和時間復雜度。
　　本文首先從原理上分析了路徑一致性算法，解釋了為何路徑一致性算法結合條件互信息可以有效的構建基因調控網(wǎng)絡，并分別從理論上和實例中分析了目前算法的缺陷?；谏鲜鲅芯拷Y合生物體頻繁出現(xiàn)的調控模塊，定義了三種調控模型：共調控、間接調控和混合調控，并以此來指導條件基因的選擇。求解調控模式僅需要確

3、認上下游而非直接上下游，這解釋了為何找到調控模型的結果不能直接用來重構網(wǎng)絡，但這個結果恰好符合路徑一致算法的需求。最后，基于候選模型開發(fā)了一個新的基于候選基因選擇的算法（RPNI）重構基因調控網(wǎng)絡。為了驗證算法的性能，首先將算法應用于DREAM競賽仿真數(shù)據(jù)，證明了RPNI算法具有更高的準確率，能在實例分析中克服現(xiàn)有算法的缺陷，并具有更低時間損耗，更進一步，我們驗證了算法在不同噪聲下的表現(xiàn)，模擬了三種常見噪聲，實驗表明RPNI算法在不同類