本文關(guān)鍵詞：應(yīng)用離散傅里葉變換的阿爾茨海默病基因數(shù)據(jù)的特征提取與候選基因分析

  更多相關(guān)文章： 阿爾茨海默病 離散傅里葉變換 候選基因

【摘要】：阿爾茨海默病是一種神經(jīng)退行性疾病.目前科學(xué)工作者還未搞清楚致病機(jī)理.同時(shí)根據(jù)世界衛(wèi)生組織統(tǒng)計(jì),截至2015年全世界約有四千八百萬名阿爾茨海默病患者.但是,隨著后基因組時(shí)代的到來,基因芯片技術(shù)為阿爾茨海默病的致病機(jī)理的研究提供了新的方向并且也取得了一些研究進(jìn)展.由于基因芯片技術(shù)實(shí)驗(yàn)的誤差以及實(shí)驗(yàn)樣本的多樣性,則本文通過主成分分析方法從基因表達(dá)數(shù)據(jù)中提取到了特征集.并且假設(shè)人體的22283個(gè)基因?yàn)橐粋�(gè)有序運(yùn)行的系統(tǒng).則系統(tǒng)的這種有序運(yùn)行結(jié)構(gòu)通過對(duì)基因表達(dá)數(shù)據(jù)的特征集作基因排序被給出.接下來,定義了基因的綜合貢獻(xiàn)被用來刻畫基因?qū)ο到y(tǒng)做出的貢獻(xiàn).實(shí)驗(yàn)數(shù)據(jù)表明系統(tǒng)的基因的綜合貢獻(xiàn)均呈現(xiàn)出波動(dòng)的特征.同時(shí),系統(tǒng)的系統(tǒng)熵和主軸熵隨著阿爾茨海默病的惡化也明顯增加了.基于上述特征,通過離散傅里葉變換方法本文設(shè)計(jì)了阿爾茨海默病的候選基因的識(shí)別算法.從而34個(gè)阿爾茨海默病的候選基因被提取出來以及它們的基因的綜合貢獻(xiàn)的變化情況也被呈現(xiàn)了出來.最后,候選基因分析表明阿爾茨海默病的候選基因大多分布于細(xì)胞核和細(xì)胞膜上,并且它們主要涉及到基因的調(diào)控轉(zhuǎn)錄和細(xì)胞的信號(hào)傳導(dǎo)功能.此外,5個(gè)候選基因與鋅離子、鈣離子有關(guān)系.并且結(jié)合阿爾茨海默病近30年的研究進(jìn)展給出了本文篩選出的候選基因的功能通路圖,并且簡(jiǎn)單的對(duì)比了之前預(yù)測(cè)的候選基因的研究結(jié)果.
【關(guān)鍵詞】：阿爾茨海默病 離散傅里葉變換 候選基因
【學(xué)位授予單位】：四川師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R749.16
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-13
• 1.1 研究背景9-10
• 1.2 研究目的及意義10
• 1.3 本文的主要工作10-11
• 1.4 本章小結(jié)11-13
• 2 預(yù)備知識(shí)13-17
• 2.1 主成分分析方法13-14
• 2.2 信息熵14
• 2.3 離散傅里葉變換14-15
• 2.4 本章小結(jié)15-17
• 3 數(shù)據(jù)來源與特征17-25
• 3.1 基因數(shù)據(jù)來源17-18
• 3.2 數(shù)據(jù)特征 1：波動(dòng)性18-22
• 3.3 數(shù)據(jù)特征 2：熵增22-24
• 3.4 本章小結(jié)24-25
• 4 應(yīng)用離散傅里葉變換的候選基因識(shí)別25-31
• 4.1 候選基因識(shí)別算法25-27
• 4.2 實(shí)驗(yàn)結(jié)果27-29
• 4.3 本章小結(jié)29-31
• 5 阿爾茨海默病候選基因分析31-35
• 5.1 阿爾茨海默病候選基因的位置與功能分布31-32
• 5.2 候選基因的通路圖分析32-33
• 5.3 本章小結(jié)33-35
• 6 總結(jié)與展望35-37
• 參考文獻(xiàn)37-41
• 附錄41-51
• 致謝51-53
• 在校期間發(fā)表的科研成果53

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 付如意;黃靜;胡本瓊;龐朝陽;;應(yīng)用阿茲海默癥基因表達(dá)數(shù)據(jù)對(duì)比2種層次聚類方法[J];四川師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

2 黃靜;付如意;彭志紅;胡本瓊;龐朝陽;;基于阿爾茨海默病的基因表達(dá)數(shù)據(jù)改進(jìn)的一維聚類方法[J];四川師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

3 王開軍;李曉;;基于有效性指標(biāo)的聚類算法選擇[J];四川師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年06期

4 莊劉;曾艷;;基于模糊C-均值聚類的最優(yōu)量化器設(shè)計(jì)[J];四川師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

5 吳斌;沈自尹;;基因芯片表達(dá)譜數(shù)據(jù)的預(yù)處理分析[J];中國生物化學(xué)與分子生物學(xué)報(bào);2006年04期

6 胡本瓊,張先迪,龐朝陽;利用圖論設(shè)計(jì)圖像壓縮中的向量量化聚類算法[J];四川師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

，

本文編號(hào)：1009205