基于貝葉斯方法的基因調(diào)控網(wǎng)絡(luò)構(gòu)建.pdf

1、隨著基因芯片技術(shù)的發(fā)展，產(chǎn)生的海量基因表達(dá)數(shù)據(jù)與一定計(jì)算方法的結(jié)合可以重構(gòu)基因調(diào)控網(wǎng)絡(luò)。目前已有許多模型應(yīng)用于基因調(diào)控網(wǎng)絡(luò)的構(gòu)建，其中貝葉斯網(wǎng)絡(luò)模型以其堅(jiān)實(shí)的理論基礎(chǔ)、知識(shí)結(jié)構(gòu)的自然表述、靈活的推理能力以及高效的決策機(jī)制使其應(yīng)用范圍越來越廣泛，已成為構(gòu)建基因調(diào)控網(wǎng)絡(luò)的一種有力工具。
　　使用貝葉斯方法構(gòu)建基因調(diào)控網(wǎng)絡(luò)已經(jīng)確立了許多研究方向，如以信息論為基礎(chǔ)的約束性方法，在基因表達(dá)數(shù)據(jù)中融合先驗(yàn)知識(shí)，無標(biāo)尺網(wǎng)絡(luò)的研究等。其中，使用互

2、信息理論構(gòu)建基因調(diào)控網(wǎng)絡(luò)可以考慮其它基因?qū)Υ嘶虻挠绊?，但它只提供基因的功能特性而沒用提供基因間的因果關(guān)系；在基因中融合先驗(yàn)知識(shí)可以克服基因的稀疏問題但是缺少在基因時(shí)序數(shù)據(jù)集中融合先驗(yàn)知識(shí)的實(shí)驗(yàn)比對(duì)，所以無法獲得對(duì)先驗(yàn)知識(shí)錯(cuò)誤的敏感度信息。
　　本文在總結(jié)分析貝葉斯方法構(gòu)建基因調(diào)控網(wǎng)絡(luò)研究現(xiàn)狀的基礎(chǔ)上，對(duì)以上問題進(jìn)行了改進(jìn)，主要完成了以下工作：
　　1.在基于條件互信息的路徑一致性算法PCA-CMI的基礎(chǔ)上，利用節(jié)點(diǎn)拓?fù)渑判?/p>

3、建立了構(gòu)建調(diào)控網(wǎng)絡(luò)的 PCA-CMI-NO算法。為了建立這一算法對(duì)圖分裂方法加以改進(jìn)：首先對(duì)基因?qū)﹂g的互信息進(jìn)行篩選，然后按貝葉斯得分對(duì)子圖排序，根據(jù)子圖順序選取不同子圖中含相同基因?qū)﹂g邊的方向，從而確定基因表達(dá)數(shù)據(jù)中節(jié)點(diǎn)的順序。最后，將節(jié)點(diǎn)拓?fù)渑判蚪Y(jié)果應(yīng)用于 PCA-CMI所構(gòu)建的網(wǎng)絡(luò)，獲得有向網(wǎng)絡(luò)，同時(shí)使用條件互信息去除獨(dú)立關(guān)系的邊以提高網(wǎng)絡(luò)準(zhǔn)確率；
　　2.利用吉布斯分布方法的能量函數(shù)融合一源生物先驗(yàn)知識(shí)，并將其拓展到多源生

4、物先驗(yàn)知識(shí)的融合上面，并用不同可信度指標(biāo)來減小先驗(yàn)知識(shí)與數(shù)據(jù)不一致的影響，最后分別使用 MCMC算法與爬山算法在時(shí)序表達(dá)數(shù)據(jù)上構(gòu)建不同生物源的基因調(diào)控網(wǎng)絡(luò)，獲得了對(duì)先驗(yàn)知識(shí)錯(cuò)誤的敏感度信息；
　　3.第一種方法在DREAM3的10基因和50基因酵母（yeast）上進(jìn)行實(shí)驗(yàn)，第二種方法使用KEGG數(shù)據(jù)庫中選取的14個(gè)基因的調(diào)控網(wǎng)絡(luò)（包括3個(gè)轉(zhuǎn)錄因子），一組先驗(yàn)知識(shí)為L(zhǎng)ee提出的實(shí)驗(yàn)數(shù)據(jù)和另外一組先驗(yàn)知識(shí)是Harbison提出的實(shí)驗(yàn)數(shù)