【摘要】：隨著DNA微陣列技術(shù)、高通量測(cè)序技術(shù)的不斷延伸和迅猛發(fā)展,產(chǎn)生了許多的基因表達(dá)譜數(shù)據(jù)、分子相互作用數(shù)據(jù)、基因組數(shù)據(jù)。這些數(shù)據(jù)在研究基因突變、基因識(shí)別、基因分型和癌癥分型診斷等方面有著重要的實(shí)用價(jià)值。同時(shí),由這些數(shù)據(jù)組成的基因調(diào)控網(wǎng)絡(luò)也為從網(wǎng)絡(luò)層次上探索生物基因關(guān)系提供了支撐條件,對(duì)癌癥共調(diào)控網(wǎng)絡(luò)的研究也有助于理解癌細(xì)胞組織內(nèi)部致癌基因的產(chǎn)生過(guò)程和基因分子之間的調(diào)控關(guān)系。本文針對(duì)癌癥共調(diào)控網(wǎng)絡(luò),基于miRNA/TF/mRNA表達(dá)譜數(shù)據(jù)集,提出了兩種共調(diào)控功能模塊識(shí)別算法。首先,傳統(tǒng)的生物功能模塊識(shí)別算法忽略了關(guān)鍵調(diào)控因子可能參與到多種生理過(guò)程中所形成的重疊性問(wèn)題,本文提出了一種基于重疊譜聚類的共調(diào)控模塊挖掘算法OSC(Overlapping Spetral Clustering)。該算法首先在使用皮爾遜相關(guān)系數(shù)分析的基礎(chǔ)之上,應(yīng)用經(jīng)驗(yàn)貝葉斯理論構(gòu)造準(zhǔn)確度較高的共調(diào)控相互作用網(wǎng)絡(luò)。其次使用特征間隙方法自動(dòng)確定識(shí)別出的最佳聚類數(shù)目,避免人工設(shè)定閾值的弊端,保證整個(gè)算法框架的自適應(yīng)性。然后使用凝聚式分層譜聚類方法得到非重疊的功能模塊。最后提出目標(biāo)重疊度函數(shù)對(duì)跨越不同模塊的邊進(jìn)行重疊判斷,根據(jù)最大內(nèi)部聚集、最小外部連接準(zhǔn)則挖掘出重疊性的共調(diào)控功能模塊。實(shí)驗(yàn)結(jié)果表明,相比于與NJW、SNMNMF算法,OSC能夠發(fā)現(xiàn)更多miRNA/TF/mRNA之間的協(xié)同調(diào)控作用,并且挖掘到的共調(diào)控功能模塊具備更加顯著的功能富集意義。其次,隨著基因表達(dá)譜數(shù)據(jù)規(guī)模逐漸增加,普通模塊識(shí)別算法在運(yùn)行過(guò)程中存在搜索空間大、運(yùn)行時(shí)間長(zhǎng)的問(wèn)題,本文提出了一種基于爆炸搜索策略的模塊識(shí)別算法RMCL-ESA(Regularized Markov ClusterExplosion Search Algorithm)。該算法首先采用改進(jìn)馬爾科夫過(guò)程對(duì)基因表達(dá)譜數(shù)據(jù)集進(jìn)行預(yù)處理,通過(guò)擴(kuò)展、膨脹、修剪三個(gè)子過(guò)程對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行過(guò)濾。該過(guò)程能夠使網(wǎng)絡(luò)中強(qiáng)連接更強(qiáng),弱連接更弱,并刪除冗余基因,使得后續(xù)的運(yùn)算處理過(guò)程更加迅速,節(jié)約存儲(chǔ)空間。然后基于miRNA和轉(zhuǎn)錄因子對(duì)靶基因的特殊調(diào)控模式,采用兩階段的爆炸搜索方式進(jìn)行模塊識(shí)別。在第一階段,在全局搜索空間內(nèi)尋找能夠作為煙花彈的節(jié)點(diǎn)中心簇;在第二階段,向中心簇的鄰域靶基因貪婪搜索,尋找滿足適應(yīng)度函數(shù)的功能模塊。經(jīng)過(guò)實(shí)驗(yàn),相比于與NJW、SNMNMF算法,RMCL-ESA算法得到的功能模塊包含更多顯著生物功能和調(diào)控通路。同時(shí),通過(guò)對(duì)GOES和KEGGES富集分值進(jìn)行累計(jì)經(jīng)驗(yàn)分布分析、結(jié)合患者臨床樣本對(duì)模塊進(jìn)行生存分析,發(fā)現(xiàn)RMCL-ESA算法能夠挖掘到大量包含較高富集程度的共調(diào)控模塊,且在OVCA數(shù)據(jù)集中能夠顯著的將病患區(qū)域分開(kāi),具備顯著生物意義。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.13
【圖文】：

介紹了共調(diào)控網(wǎng)絡(luò)的拓?fù)涿枋�，然后詳�?xì)分析了本文針?lè)ɡ碚摚詈蟾攀隽斯δ苣K的幾種經(jīng)典評(píng)價(jià)指標(biāo)。網(wǎng)絡(luò)絡(luò)包含三種類型的節(jié)點(diǎn)：miRNA、TF、gene，而且節(jié)點(diǎn)不同，調(diào)節(jié)形式不同，存在促 進(jìn)調(diào)控(up-regula)兩種類型。所以用圖論知識(shí)形式表示就是一個(gè)有向加(V, E, W)，其中 V 為網(wǎng)絡(luò)中的節(jié)點(diǎn)集合，E 為邊集合，權(quán)值為正表示促進(jìn)調(diào)控，權(quán)值為負(fù)表示抑制調(diào)控。圖 過(guò)程中以 miR-9-5p 為中心的共調(diào)控功能網(wǎng)絡(luò)示意圖[35]絡(luò)中包含菱形的 miRNA，三角形狀的 TF，圓形和長(zhǎng)方主要靶點(diǎn)，圓形基因?yàn)榇我悬c(diǎn)。不用顏色的邊表示了黃色邊表示蛋白質(zhì)與 DNA 的相互作用，藍(lán)色邊表示 m同時(shí)可以看出，調(diào)控因子 miRNA 和 TF 可以調(diào)控一個(gè)或

碩士學(xué)位論文的線圖上，對(duì)節(jié)點(diǎn)進(jìn)行社區(qū)發(fā)現(xiàn)，達(dá)到邊社區(qū)發(fā)現(xiàn)的目的，完成重疊社區(qū)發(fā)現(xiàn)工作[63]。此外，Deodhar 等人提出了一種從基因表達(dá)譜數(shù)據(jù)中識(shí)別重疊聚類的算法[64]；G.Pio 等人在 2015 年提出了一種共聚類算法，能夠識(shí)別出 miRNAs 和 mRNAs 的重疊層次組織結(jié)構(gòu)的聚類[65]，在 2018 年又改進(jìn)提出了能夠識(shí)別出異構(gòu)重疊層次化的通用聚類算法[66]。3.2 基于重疊譜聚類的功能模塊挖掘算法OSC 算法利用傳統(tǒng)的譜聚類算法在共調(diào)控網(wǎng)絡(luò)上實(shí)現(xiàn)功能模塊的挖掘。OSC 算法的流程示意圖如下圖 3.1 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 胡慶生;雷秀娟;;PPI網(wǎng)絡(luò)的改進(jìn)馬爾科夫聚類算法[J];計(jì)算機(jī)科學(xué);2015年07期

2 譚營(yíng);鄭少秋;;煙花算法研究進(jìn)展[J];智能系統(tǒng)學(xué)報(bào);2014年05期

3 曹炬;侯學(xué)卿;;具有鄰域搜索機(jī)制的爆炸搜索算法[J];計(jì)算機(jī)工程;2011年18期

4 孔萬(wàn)增;孫志海;楊燦;戴國(guó)駿;孫昌思核;;基于本征間隙與正交特征向量的自動(dòng)譜聚類[J];電子學(xué)報(bào);2010年08期

5 魏任雄;蔡林;譚金海;牛光峰;胡戈亮;王兵兵;;骨肉瘤miRNA基因的差異性表達(dá)[J];中華實(shí)驗(yàn)外科雜志;2009年05期

6 李梢;張學(xué)工;季梁;李衍達(dá);;復(fù)雜性疾病生物信息學(xué)研究的策略與方法[J];世界華人消化雜志;2003年10期

相關(guān)碩士學(xué)位論文 前1條

1 向根;基于多源數(shù)據(jù)的共調(diào)控網(wǎng)絡(luò)功能模塊識(shí)別算法研究[D];湖南大學(xué);2017年

本文編號(hào)：2719154