基于動(dòng)態(tài)貝葉斯模型的基因調(diào)控網(wǎng)絡(luò)構(gòu)建方法研究.pdf

1、基因序列測(cè)序的完成，大規(guī)模測(cè)定基因表達(dá)水平的基因芯片技術(shù)的出現(xiàn)和高性能計(jì)算機(jī)的使用使得用模擬計(jì)算的方法大規(guī)模的研究基因表達(dá)調(diào)控成為可能，基因調(diào)控網(wǎng)絡(luò)的重構(gòu)成為功能基因組中最具挑戰(zhàn)性的課題之一。利用貝葉斯網(wǎng)絡(luò)構(gòu)建基因調(diào)控網(wǎng)絡(luò)也是目前生物信息學(xué)研究的一個(gè)熱點(diǎn)。而DBNs能將數(shù)據(jù)的時(shí)序特點(diǎn)納入模型中，克服普通貝葉斯有向無環(huán)圖的缺點(diǎn)，表示出基因之間的負(fù)反饋調(diào)控過程，更加適合處理基因調(diào)控網(wǎng)絡(luò)這一復(fù)雜的生物現(xiàn)象。
　　 本文的主要內(nèi)容如下：

2、
　　 (1)貝葉斯網(wǎng)絡(luò)的概述。全面介紹和分析了貝葉斯網(wǎng)絡(luò)的研究背景、研究現(xiàn)狀和研究趨勢(shì)；貝葉斯網(wǎng)絡(luò)的基本原理；動(dòng)態(tài)貝葉斯模型的原理及構(gòu)建基因調(diào)控網(wǎng)絡(luò)的優(yōu)勢(shì)。
　　 (2)動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)(DBN)是基因調(diào)控網(wǎng)絡(luò)的一種有力建模工具。貝葉斯結(jié)構(gòu)期望最大算法(SEM)能較好處理構(gòu)建基因調(diào)控網(wǎng)絡(luò)中數(shù)據(jù)缺失的情況，但SEM算法學(xué)習(xí)的結(jié)果對(duì)初始參數(shù)設(shè)置依賴性強(qiáng)。針對(duì)此問題，提出一種改進(jìn)的SEM算法，通過隨機(jī)生成一些候選初始值，在經(jīng)過

3、一次迭代后得到的參數(shù)中選擇一個(gè)最好的初始值作為模型的初始參數(shù)值，然后執(zhí)行基本的SEM算法。利用啤酒酵母細(xì)胞周期微陣列表達(dá)數(shù)據(jù)，構(gòu)建其基因調(diào)控網(wǎng)絡(luò)并與現(xiàn)有文獻(xiàn)比較，結(jié)果顯示該算法進(jìn)一步提高了調(diào)控網(wǎng)絡(luò)構(gòu)建的精度。
　　 (3)許多基因網(wǎng)絡(luò)構(gòu)建方面的研究都是假設(shè)基因表達(dá)之間沒有時(shí)延或者有一個(gè)不變的時(shí)延。然而生物文獻(xiàn)表明不同的基因?qū)χg有不同的調(diào)控時(shí)延。因此本文提出一種構(gòu)建多時(shí)延的調(diào)控網(wǎng)絡(luò)構(gòu)建方法。首先根據(jù)基因表達(dá)數(shù)據(jù)估計(jì)每個(gè)調(diào)控-目標(biāo)