microRNA（miRNA）是長度約為19-22nt（核苷酸）的單鏈RNA分子,參與大量的細胞進程,包括細胞增殖、新陳代謝和細胞凋亡等,且與疾病的發(fā)生、發(fā)展密切相關。計算方法在miRNA結構預測和功能識別的研究中起到了重要的作用,推動了相關研究的快速發(fā)展。本文依據(jù)miRNA的生物特性,對miRNA靶基因預測,miRNA調(diào)控模塊識別,miRNA與疾病關聯(lián)和疾病標志物mi RNA的識別等計算問題進行了深入研究,取得了一些創(chuàng)新性成果。主要內(nèi)容包括以下四個方面:（1）提出基于卷積神經(jīng)網(wǎng)絡的miRNA靶基因預測方法miRNA通過調(diào)控基因的表達來影響蛋白質(zhì)的合成,進而影響疾病的發(fā)生、發(fā)展。因此,研究miRNA-疾病關聯(lián)的前提,是掌握miRNA的靶基因。本文依據(jù)已知的miRNA靶向規(guī)律,提出了基于卷積神經(jīng)網(wǎng)絡的miRNA靶基因預測方法miRTDL。在特征選擇方面,從miRNA二級結構的角度出發(fā),深入分析了miRNA與靶基因二聚體的序列互補匹配特點、可接近性特點和保守性特點,選取20個具有代表性的靶向特征。在數(shù)據(jù)集構建方面,依據(jù)miRNA靶向規(guī)律,采用約束松弛方法,構建了數(shù)量均衡的正、反例數(shù)據(jù)集,消... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：126 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 miRNA相關知識介紹
        1.2.1 miRNA的定義
        1.2.2 miRNA的生成過程及作用機制
        1.2.3 miRNA的靶向交互特征
        1.2.4 miRNA協(xié)同調(diào)控機制
        1.2.5 miRNA與疾病的關系
        1.2.6 miRNA作為疾病標志物的生物依據(jù)
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 miRNA的靶基因預測
        1.3.2 miRNA調(diào)控模塊識別
        1.3.3 miRNA與疾病關聯(lián)預測
        1.3.4 疾病標志物miRNA的識別
    1.4 本文的主要研究內(nèi)容
第2章 基于卷積神經(jīng)網(wǎng)絡的miRNA靶基因預測方法
    2.1 引言
    2.2 miRNA-基因靶向特征選取
    2.3 基于約束松弛方法的均衡數(shù)據(jù)集構建
        2.3.1 數(shù)據(jù)來源
        2.3.2 構建均衡數(shù)據(jù)集
    2.4 基于卷積神經(jīng)網(wǎng)絡的miRNA靶基因預測方法
        2.4.1 利用卷積神經(jīng)網(wǎng)絡預測靶基因
        2.4.2 miRNA-基因靶向交互特征分析
    2.5 miRNA靶基因預測算法復雜度分析
    2.6 實驗結果與分析
        2.6.1 與其它方法比較結果
        2.6.2 約束松弛算法性能分析
        2.6.3 卷積神經(jīng)網(wǎng)絡性能分析
        2.6.4 miRNA-基因靶向交互特征分析
    2.7 本章小結
第3章 基于主題模型的miRNA調(diào)控模塊識別方法
    3.1 引言
    3.2 miRNA調(diào)控基因表達的特點
    3.3 基于主題模型的miRNA調(diào)控模塊識別方法
        3.3.1 表達譜數(shù)據(jù)獲取與預處理
        3.3.2 CCRM模型構建
    3.4 變分推理和參數(shù)估計
    3.5 基于miRNA動態(tài)功能構建調(diào)控模塊間關聯(lián)
    3.6 miRNA動態(tài)調(diào)控模塊識別算法復雜度分析
    3.7 實驗結果與分析
        3.7.1 調(diào)控模塊識別及模塊關聯(lián)構建
        3.7.2 算法性能分析
        3.7.3 調(diào)控模塊內(nèi)miRNA功能識別及靶向關系驗證
    3.8 本章小結
第4章 基于隱條件隨機場的miRNA-疾病關聯(lián)預測方法
    4.1 引言
    4.2 miRNA與疾病關聯(lián)數(shù)據(jù)獲取與預處理
    4.3 基于決策融合方法構建用于訓練分類器的數(shù)據(jù)集
        4.3.1 直接識別疾病關聯(lián)的miRNA
        4.3.2 間接識別疾病關聯(lián)的miRNA
        4.3.3 基于決策融合思想構建可靠的訓練數(shù)據(jù)集
    4.4 基于隱條件隨機場的miRNA與疾病關聯(lián)預測算法
    4.5 miRNA與疾病關聯(lián)預測算法復雜度分析
    4.6 實驗結果比較與分析
        4.6.1 與其它方法比較結果
        4.6.2 決策融合方法性能分析
        4.6.3 miRNA功能富集分析
    4.7 本章小結
第5章 基于局部線性嵌入和聚類的疾病標志物miRNA識別方法
    5.1 引言
    5.2 miRNA表達譜數(shù)據(jù)獲取與預處理
    5.3 基于局部線性嵌入和聚類的疾病標志物miRNA識別方法
        5.3.1 基于局部線性嵌入方法降維表達譜數(shù)據(jù)
        5.3.2 利用基于密度的聚類方法識別共表達miRNA
        5.3.3 降維和聚類的迭代過程
    5.4 算法復雜度分析
    5.5 實驗結果與分析
        5.5.1 識別疾病標志物miRNA
        5.5.2 驗證疾病標志物miRNA
        5.5.3 局部線性嵌入算法性能分析
        5.5.4 識別疾病的共同標志物
    5.6 本章小結
結論
參考文獻
攻讀博士學位期間發(fā)表的論文及其它成果
致謝
個人簡歷


【參考文獻】：
期刊論文
[1]應用微陣列芯片分析喉鱗狀細胞癌miRNA與正常黏膜表達差異的初步研究[J]. 王蘋,付濤,王緒銳,祝威.  臨床耳鼻咽喉頭頸外科雜志. 2010(12)
[2]用生物信息學方法預測與心血管疾病相關的微RNAs[J]. 張帆,盧銘,張其鵬,張福春,高煒,崔慶華.  北京大學學報(醫(yī)學版). 2009(01)



本文編號：3157751