基于熱擴(kuò)散模型的致病基因預(yù)測(cè)方法研究.pdf

1、近年來，隨著生物信息學(xué)領(lǐng)域的迅速發(fā)展以及應(yīng)用，人們獲取了海量的生物數(shù)據(jù)，如何從這些海量數(shù)據(jù)中挖掘出有價(jià)值的生物信息，逐漸成為生物信息學(xué)領(lǐng)域的研究熱點(diǎn)。高通量生物技術(shù)的發(fā)展為致病基因的預(yù)測(cè)提供了海量的數(shù)據(jù)來源，尤其是蛋白質(zhì)相互作用網(wǎng)絡(luò)和疾病表型相似性網(wǎng)絡(luò)等為代表的生物網(wǎng)絡(luò)很好地表示了基因和疾病之間的復(fù)雜關(guān)系，為致病基因預(yù)測(cè)提供了強(qiáng)有力的支撐。
　　當(dāng)前大部分基于計(jì)算的致病基因預(yù)測(cè)方法采用了“guilt-by-association”

2、假設(shè)，即表現(xiàn)型相似的疾病往往是由功能相關(guān)的基因引起的，并且相關(guān)研究已經(jīng)證明同類疾病相關(guān)的基因產(chǎn)物之間發(fā)生物理相互作用的概率更高。雖然這些方法在致病基因預(yù)測(cè)中取得了不錯(cuò)的成績(jī)，但其預(yù)測(cè)效果仍有提升的空間。因此，本文基于熱擴(kuò)散和多源異構(gòu)數(shù)據(jù)模型來研究致病基因預(yù)測(cè)問題，主要研究工作如下:
　　第一，當(dāng)前大部分致病基因預(yù)測(cè)方法把網(wǎng)絡(luò)中的孤立節(jié)點(diǎn)當(dāng)成網(wǎng)絡(luò)噪音，因此這些算法并不能很好地預(yù)測(cè)網(wǎng)絡(luò)中的孤立節(jié)點(diǎn)。并且現(xiàn)存的方法在預(yù)測(cè)致病基因時(shí)，往往

3、更偏向于網(wǎng)絡(luò)中度比較大的節(jié)點(diǎn)，而對(duì)于網(wǎng)絡(luò)中的稀疏節(jié)點(diǎn)來說，效果不是很理想。針對(duì)上述問題，本文提出了一種基于熱擴(kuò)散模型和排名一致性原則的致病基因預(yù)測(cè)方法NDRC，對(duì)1931個(gè)疾病的所有已知致病基因進(jìn)行留一法交叉驗(yàn)證。實(shí)驗(yàn)結(jié)果表明在預(yù)測(cè)度比較小的節(jié)點(diǎn)和孤立節(jié)點(diǎn)方面，NDRC算法性能好于另外三種致病基因預(yù)測(cè)方法RWR、VAVIEN和PRINCE。最后，將本文提出的致病基因預(yù)測(cè)方法NDRC方法用于麥克爾綜合征1、蛋白C缺乏癥和過氧化物酶體生物合

4、成障礙1A，發(fā)現(xiàn)復(fù)雜疾病的致病基因呈現(xiàn)明顯的模塊特征。
　　第二，由于高通量得到的生物數(shù)據(jù)還遠(yuǎn)遠(yuǎn)不夠完善，這些數(shù)據(jù)存在嚴(yán)重的假陽性和假陰性問題，因此僅僅使用一種生物數(shù)據(jù)還不能很好地預(yù)測(cè)致病基因。為了提高致病基因的預(yù)測(cè)精度，本文提出了一種基于熱擴(kuò)散和多源異構(gòu)數(shù)據(jù)融合的致病基因預(yù)測(cè)算法NDHD。NDHD算法融合蛋白質(zhì)相互作用網(wǎng)絡(luò)、疾病表型相似性網(wǎng)絡(luò)和蛋白質(zhì)結(jié)構(gòu)域網(wǎng)絡(luò)來預(yù)測(cè)致病基因。實(shí)驗(yàn)結(jié)果表明NDHD算法在驗(yàn)證已知致病基因和預(yù)測(cè)新致病