本文關(guān)鍵詞：基于本體與基因網(wǎng)絡(luò)的致病基因預(yù)測研究

  更多相關(guān)文章： 本體 數(shù)據(jù)融合 致病因預(yù)測 隨機(jī)游走 有監(jiān)督隨機(jī)游走 拉普拉斯正規(guī)化

【摘要】：隨著人類基因組計劃的順利完成,出現(xiàn)了許多高通量技術(shù)預(yù)測基因功能的方法,但是從這些方法產(chǎn)生的大量的候選基因集合中檢測致病基因仍是一個十分艱巨的挑戰(zhàn),如果直接使用生物學(xué)實驗驗證則需要消耗大量人力物力。隨著數(shù)據(jù)的積累,人們逐漸發(fā)現(xiàn)致病基因具有模塊性,功能相同或者相似的基因編碼的蛋白質(zhì),在蛋白質(zhì)相互作用網(wǎng)絡(luò)中相互靠近。利用已被證實的疾病和基因的關(guān)系,使用計算方法來預(yù)測候選致病基因通常能起到很好的效果,如計算候選基因和已知致病基因集合中的基因的相似性,然后根據(jù)相似性排名對候選基因進(jìn)行排序,從而使生物學(xué)實驗有針對的對基因進(jìn)行實驗驗證,降低檢測成本。本文主要以生物醫(yī)學(xué)本體為中心,整合了九種不同生物醫(yī)學(xué)數(shù)據(jù)庫,構(gòu)建了由78786個生物學(xué)實體或概念組成的一個雙層異構(gòu)網(wǎng)絡(luò),這個網(wǎng)絡(luò)中包含本體術(shù)語之間的105875條有向邊,以及術(shù)語到基因,基因和基因之間組成的398642條無向邊。在構(gòu)建網(wǎng)絡(luò)時,使用超級敘詞表等映射工具對九種數(shù)據(jù)庫中不同類型的標(biāo)識進(jìn)行轉(zhuǎn)換和去冗余;設(shè)計了一套整合不同關(guān)系證據(jù)類型的方案,根據(jù)邊的關(guān)系證據(jù)集合的不同,為每條邊賦予了不同的權(quán)值,最終構(gòu)建的網(wǎng)絡(luò)為帶權(quán)的雙層異構(gòu)網(wǎng)絡(luò)。依據(jù)網(wǎng)絡(luò)中邊的端點的不同,將邊分為了七個大類,并驗證了每一類的權(quán)值改變對基因預(yù)測最終的效果有直接影響,為每大類屬于的邊設(shè)置了一個特征向量,使用有監(jiān)督的隨機(jī)游走訓(xùn)練每個大類的特征權(quán)值,使得組合的權(quán)值能夠更準(zhǔn)確的進(jìn)行致病基因預(yù)測,同時基于有監(jiān)督隨機(jī)游走算法,提出了拉普拉斯正規(guī)化的有監(jiān)督隨機(jī)游走,并在多次試驗后驗證了正規(guī)化的有監(jiān)督隨機(jī)游走在預(yù)測權(quán)值上優(yōu)于有監(jiān)督隨機(jī)游走,針對正規(guī)化算法復(fù)雜度過高的問題,提出了簡化版的正規(guī)化有監(jiān)督隨機(jī)游走。在構(gòu)建的雙層異構(gòu)網(wǎng)絡(luò)上分別進(jìn)行隨機(jī)游走,有監(jiān)督隨機(jī)游走,簡化正規(guī)化隨機(jī)游走的驗證,最終有監(jiān)督隨機(jī)游走的AUC(Area Under roc Curve)比普通隨機(jī)游走提高了0.8%,正規(guī)化隨機(jī)游走AUC比普通隨機(jī)游走提高了2.3%。
【關(guān)鍵詞】：本體 數(shù)據(jù)融合 致病因預(yù)測 隨機(jī)游走 有監(jiān)督隨機(jī)游走 拉普拉斯正規(guī)化
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：Q811.4;TP391.1
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 緒論8-13
• 1.1 課題研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.3 本文主要研究內(nèi)容及組織結(jié)構(gòu)11-13
• 1.3.1 主要研究內(nèi)容11-12
• 1.3.2 本文組織結(jié)構(gòu)12-13
• 第2章 致病基因預(yù)測方法概述13-19
• 2.1 致病基因預(yù)測的主要流程13-14
• 2.2 致病基因預(yù)測的主要方法14-18
• 2.2.1 基于分子和網(wǎng)絡(luò)特征分類的方法14-15
• 2.2.2 基于網(wǎng)絡(luò)節(jié)點相似度排序的方法15-18
• 2.3 本章小結(jié)18-19
• 第3章 本體基因數(shù)據(jù)整合和網(wǎng)絡(luò)構(gòu)建19-34
• 3.1 引言19-20
• 3.2 生物醫(yī)學(xué)本體數(shù)據(jù)整合20-28
• 3.2.1 本體論概述20-21
• 3.2.2 生物醫(yī)學(xué)本體格式和關(guān)系抽取21-25
• 3.2.3 本體注釋25-26
• 3.2.4 疾病表型與基因關(guān)系數(shù)據(jù)26-28
• 3.2.5 基因與基因關(guān)系數(shù)據(jù)28
• 3.3 本體與基因網(wǎng)絡(luò)構(gòu)建28-33
• 3.3.1 統(tǒng)一標(biāo)識映射28-30
• 3.3.2 證據(jù)整合和網(wǎng)絡(luò)構(gòu)建30-33
• 3.4 本章小結(jié)33-34
• 第4章 基于有監(jiān)督隨機(jī)游走的致病基因預(yù)測34-46
• 4.1 引言34
• 4.2 隨機(jī)游走模型概述34-35
• 4.3 有返回的隨機(jī)游走35-36
• 4.4 有監(jiān)督隨機(jī)游走36-39
• 4.5 拉普拉斯正規(guī)化的有監(jiān)督隨機(jī)游走39-43
• 4.5.1 基本原理39-41
• 4.5.2 算法實現(xiàn)41-43
• 4.6 加權(quán)有監(jiān)督隨機(jī)游走的致病基因預(yù)測43-45
• 4.7 本章小結(jié)45-46
• 第5章 實驗結(jié)果與分析46-55
• 5.1 改進(jìn)的有監(jiān)督隨機(jī)游走有效性驗證46-48
• 5.2 實驗環(huán)境與實驗數(shù)據(jù)48-49
• 5.3 實驗結(jié)果驗證方法和正負(fù)例生成49-50
• 5.4 實驗結(jié)果50-54
• 5.4.1 重啟概率的選擇50-52
• 5.4.2 實驗結(jié)果對比52-54
• 5.5 本章小結(jié)54-55
• 結(jié)論55-56
• 參考文獻(xiàn)56-61
• 致謝61

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 陳堅;何潔月;;基于本體的生物信息集成技術(shù)發(fā)展現(xiàn)狀[J];計算機(jī)工程與科學(xué);2006年12期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 雋立然;基于生物醫(yī)學(xué)本體的生物信息數(shù)據(jù)庫集成方法研究[D];哈爾濱工業(yè)大學(xué);2009年

，

本文編號：829494