基于網(wǎng)絡(luò)結(jié)構(gòu)推理和拓?fù)湎嗨菩缘闹虏』蝾A(yù)測(cè)算法.pdf

1、現(xiàn)階段，研究者們發(fā)現(xiàn)幾乎所有的疾病都與基因有一定的關(guān)聯(lián)，如何迅速地找到疾病的致病基因?qū)λ醒芯空邆儊?lái)說(shuō)是一項(xiàng)很大的挑戰(zhàn)。早期，研究者大多使用傳統(tǒng)生物實(shí)驗(yàn)的方法來(lái)進(jìn)行致病基因的預(yù)測(cè)，比如連鎖分析和關(guān)聯(lián)研究。近幾年來(lái)，研究者們開(kāi)始大量使用生物信息學(xué)中的計(jì)算方法，并通過(guò)基于網(wǎng)絡(luò)結(jié)構(gòu)方法來(lái)解決該難題。然而，大多數(shù)方法在推理過(guò)程中僅僅使用了網(wǎng)絡(luò)結(jié)構(gòu)中的局部網(wǎng)絡(luò)信息，并且僅限于推理單一基因的關(guān)聯(lián)。此外，這些方法很少或幾乎沒(méi)有考慮到疾病與基因關(guān)聯(lián)網(wǎng)絡(luò)

2、中的網(wǎng)絡(luò)拓?fù)湎嗨菩浴?br>　　本文結(jié)合生物信息學(xué)和數(shù)據(jù)挖掘領(lǐng)域中的相關(guān)知識(shí)，使用了OMIM(OnlineMendelian Inheritance in Man，OMIM)數(shù)據(jù)庫(kù)中的203個(gè)疾病數(shù)據(jù)作為實(shí)驗(yàn)的數(shù)據(jù)集來(lái)進(jìn)行致病基因的預(yù)測(cè)。本文主要的研究?jī)?nèi)容和創(chuàng)新工作概述如下:
　　1.為了預(yù)測(cè)致病基因，本文首次引入二部圖網(wǎng)絡(luò)結(jié)構(gòu)推理(Network-BasedInference，NBI)算法。具體的步驟如下:首先，構(gòu)建疾病和基因的

3、關(guān)聯(lián)二部圖網(wǎng)絡(luò);其次，利用物質(zhì)熱擴(kuò)散原理將基因上的初始化資源擴(kuò)散到疾病上;最后，再將疾病上的資源擴(kuò)散到基因上。上述操作結(jié)束后將會(huì)獲取到候選基因的資源向量，并對(duì)資源向量按值大小排序進(jìn)而預(yù)測(cè)潛在致病基因。在使用OMIM數(shù)據(jù)集中的203個(gè)疾病數(shù)據(jù)作為最終的實(shí)驗(yàn)數(shù)據(jù)，通過(guò)留一交叉驗(yàn)證實(shí)驗(yàn)來(lái)證明該算法的有效性。
　　2.針對(duì)二部圖網(wǎng)絡(luò)結(jié)構(gòu)推理的算法，提出了一種基于網(wǎng)絡(luò)拓?fù)湎嗨菩缘母倪M(jìn)算法，稱為INBI(Improved Network-Ba