基于圖和網(wǎng)絡(luò)的學(xué)習(xí)算法及其在系統(tǒng)生物學(xué)中的一些應(yīng)用.pdf

1、隨著社會(huì)和科學(xué)技術(shù)的不斷發(fā)展，人們正在積累越來(lái)越多的各個(gè)層次的數(shù)據(jù)和信息，但是這并沒有從根本上解決許多具有挑戰(zhàn)性的問題。最典型的例子是，二十世紀(jì)分子生物學(xué)的迅速發(fā)展只是獲得了細(xì)胞各個(gè)組分的知識(shí)，而并沒有攻克很多復(fù)雜的疾病，比如癌癥等。這意味著我們需要從系統(tǒng)的水平整合不同的知識(shí)和數(shù)據(jù)，研究它們內(nèi)部的相互關(guān)系和作用，從而才能最終掌握復(fù)雜系統(tǒng)的規(guī)律，對(duì)它們進(jìn)行控制和優(yōu)化。同時(shí)由于海量數(shù)據(jù)的復(fù)雜性，我們需要機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)對(duì)信息進(jìn)行自動(dòng)加

2、工。圖和網(wǎng)絡(luò)是表達(dá)復(fù)雜系統(tǒng)內(nèi)部不同尺度、不同組分之間相互作用和關(guān)聯(lián)的最直觀的方式。因此，我們迫切需要結(jié)合實(shí)際應(yīng)用領(lǐng)域，例如系統(tǒng)生物學(xué)，發(fā)展基于圖和網(wǎng)絡(luò)的學(xué)習(xí)算法對(duì)系統(tǒng)進(jìn)行研究。
　　 本文針對(duì)基于圖和網(wǎng)絡(luò)的學(xué)習(xí)算法，以實(shí)際分類問題和系統(tǒng)生物學(xué)中的一些應(yīng)用為驅(qū)動(dòng)背景，以圖論、統(tǒng)計(jì)、優(yōu)化方法為基本工具，以數(shù)據(jù)整合為核心，以結(jié)點(diǎn)分類、鏈接預(yù)測(cè)、子網(wǎng)發(fā)現(xiàn)和圖匹配問題為對(duì)象和目標(biāo)，對(duì)基于圖和網(wǎng)絡(luò)的學(xué)習(xí)算法進(jìn)行了深入的研究。本文的主要研究?jī)?nèi)

3、容和創(chuàng)新點(diǎn)包括以下幾個(gè)方面：
　　 1．本文綜述了基于圖和網(wǎng)絡(luò)的學(xué)習(xí)算法，介紹了系統(tǒng)生物學(xué)的定義和當(dāng)前的發(fā)展，闡述了圖和網(wǎng)絡(luò)在當(dāng)前系統(tǒng)生物學(xué)中的核心作用，指出了圖和網(wǎng)絡(luò)的方法在以系統(tǒng)生物學(xué)為代表的實(shí)際應(yīng)用中的巨大潛力。
　　 2．考慮基于鏈接的半監(jiān)督結(jié)點(diǎn)分類問題，以圖的拉普拉斯矩陣的譜變換來(lái)構(gòu)造半監(jiān)督核為目標(biāo)，本文提出了一種基于圖的同時(shí)學(xué)習(xí)最優(yōu)非參數(shù)譜變換和構(gòu)建分類器的半監(jiān)督學(xué)習(xí)方法。該算法的基本思想是以最大化特征空間的

4、Fisher判別率作為譜變換圖核學(xué)習(xí)和分類器構(gòu)建的共同準(zhǔn)則，并轉(zhuǎn)化為一個(gè)半定規(guī)劃的凸優(yōu)化問題來(lái)求解。與利用核配準(zhǔn)進(jìn)行半監(jiān)督核學(xué)習(xí)的算法比較，該算法不需要再進(jìn)行分類器訓(xùn)練，因?yàn)榉诸惼鞯膶W(xué)習(xí)和最優(yōu)核的構(gòu)造是同時(shí)完成的。在7個(gè)分類數(shù)據(jù)集上，該算法性能均優(yōu)于或相當(dāng)于當(dāng)前基于核校準(zhǔn)準(zhǔn)則的半監(jiān)督學(xué)習(xí)算法。
　　 3．考慮藥物—蛋白相互作用網(wǎng)絡(luò)的預(yù)測(cè)問題，本文以最大化集成網(wǎng)絡(luò)中結(jié)點(diǎn)屬性、鏈接信息以及未標(biāo)記樣本的信息為目標(biāo)，提出應(yīng)用流形正則化的

5、半監(jiān)督學(xué)習(xí)算法，并利用核方法整合藥物化學(xué)分子結(jié)構(gòu)信息、蛋白質(zhì)序列信息和藥物—蛋白網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)信息來(lái)對(duì)未知的藥物．蛋白相互作用進(jìn)行預(yù)測(cè)，從而提高了預(yù)測(cè)的精度。用我們提出的方法預(yù)測(cè)的一些藥物—蛋白相互作用已經(jīng)被最新的藥物數(shù)據(jù)庫(kù)證實(shí)。
　　 4．從系統(tǒng)生物學(xué)的角度出發(fā)，考慮把蛋白質(zhì)—DNA和蛋白質(zhì)—蛋白質(zhì)相互作用網(wǎng)絡(luò)整合到基因微陣列數(shù)據(jù)的分析中。為了辨識(shí)與疾病相關(guān)的基因功能模塊，本文提出了一個(gè)新的基于相互作用網(wǎng)絡(luò)的正則化項(xiàng)來(lái)鼓勵(lì)系數(shù)的

6、絕對(duì)值在網(wǎng)絡(luò)上的平滑，結(jié)合l1范數(shù)的稀疏特性，得到一種基于圖的彈性網(wǎng)算法，并從理論上分析了新的正則化項(xiàng)的數(shù)學(xué)特性，開發(fā)了一種新的求解算法，該算法具有全路徑計(jì)算的優(yōu)點(diǎn)。理論分析和仿真結(jié)果表明，基于圖的彈性網(wǎng)算法能得到更小的預(yù)測(cè)誤差。最后，將我們的算法應(yīng)用到一個(gè)阿爾茨海默病的微陣列基因表達(dá)數(shù)據(jù)集上，辨識(shí)出了四個(gè)與阿爾茨海默病相關(guān)的基因功能模塊。
　　 5．為了融合不同尺度和模態(tài)的信息，考慮把反映分子功能信息的三維熒光分子斷層掃描(F

7、MT)圖像和反映解剖結(jié)構(gòu)的CT圖像進(jìn)行配準(zhǔn)，從而在一幅圖像上同時(shí)表達(dá)多方面的信息。但是直接配準(zhǔn)最大直徑只有幾個(gè)毫米的腫瘤的三維FMT圖像和體長(zhǎng)有近十厘米的整個(gè)小鼠的三維CT圖像是非常困難的。由于我們可以得到二維平面圖像跟FMT圖像的坐標(biāo)關(guān)系。因此本文提出一個(gè)新的思路，即先對(duì)FMT成像過(guò)程中得到的二維平面圖像與三維的CT圖像進(jìn)行預(yù)配準(zhǔn)，預(yù)配準(zhǔn)的結(jié)果再作為下一步FMT和CT三維配準(zhǔn)的初始值，這樣就減小了最終三維配準(zhǔn)時(shí)兩個(gè)對(duì)象的大小差異所導(dǎo)致

8、的配準(zhǔn)難度。在配準(zhǔn)過(guò)程中，對(duì)兩個(gè)對(duì)象分別進(jìn)行分割得到點(diǎn)集，將問題轉(zhuǎn)化為點(diǎn)集圖匹配，使配準(zhǔn)完全不同模態(tài)的圖像成為可能。對(duì)于匹配的優(yōu)化算法，結(jié)合全局和局部?jī)?yōu)化的思想，提出了兩種優(yōu)化方法：結(jié)合最小二乘進(jìn)行局部搜索的序貫蒙特卡羅采樣算法；結(jié)合差分進(jìn)化和把最小二乘作為另一種搜索方式的單純形法。大量的仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了結(jié)合全局搜索和局部搜索優(yōu)化算法在減少迭代次數(shù)和尋優(yōu)能力上的優(yōu)越性。最后，在兩個(gè)實(shí)際小鼠數(shù)據(jù)上的運(yùn)行結(jié)果顯示這種預(yù)配準(zhǔn)的方法為下一步三