基于拓撲相似性與語義相似性的疾病基因預測研究.pdf

1、當前系統(tǒng)生物學的一個重要的新興話題是闡述清楚人類遺傳病與致病基因的關(guān)系。而隨著不同種類的基因組數(shù)據(jù)的快速積累,對于所需研究的疾病表型越來越多的采用計算的方法來進行疾病基因預測。計算方法的明顯好處就是節(jié)省大量的人力和物力。研究發(fā)現(xiàn)基于蛋白質(zhì)相互作用網(wǎng)絡的疾病基因預測具有模塊化的性質(zhì)。然而蛋白質(zhì)關(guān)聯(lián)數(shù)據(jù)的不完整性，造成有些蛋白質(zhì)之間的關(guān)聯(lián)比較弱，從而導致疾病基因預測的準確度不高。因此，本文希望通過增加一些其他的數(shù)據(jù)資源，從而更加準確的識別出

2、致病基因。
　　本文首先利用蛋白質(zhì)互作網(wǎng)絡進行疾病基因預測。具體工作如下：本文提出了第一類方法是RWRAHRSS和RWRMHRSS，這兩個方法的唯一不同點就是把候選基因與所有相關(guān)已知疾病基因的語義平均值或者是語義最大值作為隨機游走算法的初始向量。此種方法的具體過程如下：首先利用候選基因與疾病基因之間的語義相似性去設置在蛋白質(zhì)互作網(wǎng)絡中使用的隨機游走算法的初始向量。并根據(jù)最終游走的結(jié)果去排序候選基因。在相應參數(shù)下，本文算法RWRAH

3、RSS，RWRMHRSS相對于RWR與DP_LCC算法的AUC值都有所提高。進一步，本文在第一類方法的基礎上，利用構(gòu)建的異質(zhì)網(wǎng)絡代替蛋白質(zhì)互作網(wǎng)絡以及采用線性相關(guān)來衡量拓撲相似性，從而提出了另一種疾病基因方法。具體工作如下：本文提出的第二類方法是AHRWRL和MHRWRL。這兩個方法的區(qū)別和第一類方法兩個方法的區(qū)別一樣。其具體過程如下：首先，同樣利用候選基因與疾病基因之間的語義相似性去設置在異構(gòu)網(wǎng)絡中使用的隨機游走算法的初始向量。其次，

4、使用疾病擴散譜和候選基因擴散譜的線性相關(guān)性來衡量異構(gòu)網(wǎng)絡中的拓撲相似性。最后，結(jié)合前面兩步的結(jié)果來進行疾病基因預測。在相應參數(shù)下，本文算法AHRWRL，MHRWRL相對于DP_LCC與RWRH算法的AUC值都有提高。AHRWRL，RWRAHRSS相對于本文第一類算法RWRAHRSS與RWRMHRSS也分別有所提高。
　　通過本文提出來的方法，對多基因疾病如阿爾默茨癥，乳腺癌和糖尿病等進行疾病基因預測。預測出來的部分基因和文獻報道一