基于基因網絡的致病基因預測算法研究.pdf

1、致病基因的研究是對遺傳疾病的治療具有重要的意義。近年來，高通量測序技術的高速發(fā)展為致病基因的研究帶來了新的機遇，并涌向出大量的致病基因研究方法。這些方法基于已有的疾病或表型與基因之間的因果關系，使用網絡構建方法對致病基因進行排序，從而達到致病基因篩選的目的。它們大多基于一個前提，即致使相同或相似疾病發(fā)病的基因在基因生物網絡中鄰近，存在著模塊特性。但現(xiàn)有的方法對生物實體網絡的鄰接矩陣的構建較為粗糙，即存在關聯(lián)關系的為1，否則為0，無法對基

2、因之間的關聯(lián)關系進行更合理的量化。此外，高通量測序技術產生了大量生物數(shù)據，使得集成數(shù)據分析方法成為目前致病基因研究的主要手段，但大多數(shù)方法都是基于生物實體的局部信息進行特征的構建，沒有更好的擴展利用生物實體網絡的拓撲特性。本課題研究的工作主要包括：
　　第一，從另一種角度引入了研究生物實體間關系的方法，通過考察生物數(shù)據分布規(guī)律，來量化生物實體間的相對重要程度?；诖吮菊n題引入兩種統(tǒng)計特征量化數(shù)據間的關系。一種是計算基因表達數(shù)據的相

3、關系數(shù)，用于分析基因間在功能上或者調控上對整個基因網絡的重要程度；另一種是計算基因表達數(shù)據的信息散度，將基因的表達值作為基因表達的概率來量化基因間的表達分布，以此得到基因間的相互重要關系；與蛋白質交互網絡數(shù)據的比對實驗表明這兩種統(tǒng)計特征的AUC、Top1和Top50在致病基因預測問題上優(yōu)于后者，驗證了所引入的兩種統(tǒng)計特征對致病相關基因篩選的有效性。
　　第二，提出一種隨機游走算法的二元邏輯回歸模型用于致病相關基因的預測。利用隨機游

4、走模型，對每一個基因進行關聯(lián)基因的篩選，從得到與這個基因關聯(lián)性強的基因中，分別從個數(shù)和權重這兩個方面統(tǒng)計這些基因的全局信息，并用來構建基因的特征向量，得到了特征F1、特征F2和特征F3。
　　第三，在特征F1下，三個不同的生物數(shù)據網絡：蛋白質交互網絡、基因共表達網絡和基因通路網絡中本章方法得到的AUC明顯優(yōu)于B Chen等人提出的特征“PCF1”、MRF算法和RWR算法得到的結果。在F2特征下，三個不同的生物數(shù)據網絡中，本課題提出