免疫治療貝葉斯基因調控網絡的建模與免疫算法優(yōu)化研究
發(fā)布時間：2021-06-13 14:11
隨著生物科學技術的不斷研究發(fā)展,免疫治療已應用于腫瘤、自身免疫性疾病等復雜疾病治療過程中。疾病的發(fā)生是多基因間的復雜相互作用的結果,孤立地研究單個基因及其表達往往不能夠確切地反映疾病發(fā)生、轉移等內在規(guī)律,因此在后基因組時代,研究整個基因組的功能和動態(tài)變化規(guī)律是疾病免疫治療中的研究熱點之一。而通過基因調控網絡建模有助于理解免疫系統(tǒng)中與疾病相關基因及其產物的生成過程和調控關系、疾病發(fā)生的原理和過程,從而實現對疾病的整體認識�；蛘{控網絡建模在疾病治療的發(fā)現診斷、控制和治療,藥物的篩選和研制方面都能做出貢獻,對人類疾病預防及健康具有重要的影響。因此,通過基因表達數據構建出基因調控網絡,發(fā)現基因之間的調控關系,尋找靶向基因,成為目前在疾病免疫治療研究中的基礎和熱點。但是由于現在基因調控網絡構建模型種類多、計算復雜,需要更多的改進優(yōu)化研究。比較了現有的網絡模型后,選擇貝葉斯網絡模型作為基因調控網絡建模的基礎模型。并通過對免疫算法的調研,發(fā)現免疫算法能夠較好地解決NP-hard難題,受此啟發(fā),改進了免疫算法,提出了用改進型免疫算法學習貝葉斯網絡結構的基因調控網絡構建算法,提高了構建網絡結構的準確率...
【文章來源】：東華大學上海市 211工程院校 教育部直屬院校
【文章頁數】：71 頁
【學位級別】：碩士
【部分圖文】：
免疫治療基因調控的網絡圖
免疫治療貝葉斯基因調控網絡的建模與免疫算法優(yōu)化研究8圖2-1免疫治療基因調控的網絡圖基因調控網絡建模是通過對基因表達數據的處理分析，尋找最能代表數據間聯(lián)系的網絡圖。由于基因調控網絡過于復雜，在建模時會對其進行簡化處理，一般表示為圖模型或網絡的形式。從網絡結構上看可將其簡化成由節(jié)點和邊組成的有向圖結構，如圖2-2所示。圖2-2基因調控網絡簡化圖圖中的圓圈表示節(jié)點，節(jié)點表示調控網絡元素，如基因、蛋白質等；邊表示生物分子間的調控關系，有向邊表示調控增強作用，即誘導其它基因進行轉錄，末端有短線的有向邊表示表達抑制作用，即抑制其它基因轉錄的活性。2.3免疫治療基因調控網絡模型的構建近年來，已有各式各樣的數學模型被應用于逆向工程的基因調控網絡建模研究過程中，這些模型都對真實的基因調控網絡在不同程度上進行了抽象化處理。其中，比較典型的有關聯(lián)網絡模型、貝葉斯網絡模型、布爾網絡模型、線性組合
免疫治療貝葉斯基因調控網絡的建模與免疫算法優(yōu)化研究10時間點t時的基因表達，右邊為對應的時間點t1時的基因表達。圖2-3布爾網絡模型布爾網絡最大的優(yōu)點在于其簡單性和直截了當性，速度快，效率高。此外，布爾網絡還應用了時間離散和同步更新。但是對于基因調控網絡建模來說只是一種簡化的離散模型，對網絡的模擬較為粗糙，將基因的狀態(tài)值只定性為表達和不表達兩種，忽視了各基因表達水平的差異，不符合實際基因表達的連續(xù)性過程，僅僅使用邏輯規(guī)則來推斷基因表達容易造成錯誤的結果。因此，不選用此網絡模型進行改進，以設計免疫治療基因調控網絡模型。2.3.2線性組合模型和加權矩陣模型的建模方法分析線性組合模型和加權矩陣模型都是連續(xù)網絡模型，它們比較相似，經常被歸為一類，即“粗網模型”。原因是，在這兩種模型中，一個基因的表達值都是其他基因表達值的加權和[25-27]，可表示為：1()()niijjjxtwxt（2-3）式中，ijw表示基因i、j間的調控關系，若0ijw則基因j對基因i表達有激勵作用，若0ijw則基因j對基因i的表達有抑制作用，若0ijw時表示基因j對基因i不存在調控作用。線性組合模型中，通常采用線性差分方程組的形式描述基因表達水平隨時間的連續(xù)變化趨勢，分析各個基因的表達行為，并且表現出了基因表達數據的連續(xù)性特點，能很好的擬和基因表達實驗數據[27]。加權矩陣模型區(qū)別于線性組合模型的地方是多了一次基因i最終轉錄響應的非線性影射過程，非線性影射函數多使用Sigmoid函數表示：
【參考文獻】：
期刊論文
[1]癌癥免疫治療的利器——2018年諾貝爾生理學或醫(yī)學獎簡介[J]. 溫銘杰,于明航,王璽. 首都醫(yī)科大學學報. 2018(05)
[2]貝葉斯方法的基因調控網絡在醫(yī)學領域的應用[J]. 劉飛,張庭. 自動化技術與應用. 2018(03)
[3]旅行商問題最優(yōu)路徑的改進免疫遺傳算法[J]. 孔令夷. 數學雜志. 2015(02)
[4]腫瘤免疫治療的研究進展[J]. 魏曉莉. 國際藥學研究雜志. 2014(01)
[5]蟻群算法與免疫算法的融合及其在TSP中的應用[J]. 劉朝華,張英杰,章兢,吳建輝. 控制與決策. 2010(05)
[6]改進的免疫算法在函數優(yōu)化中的應用[J]. 謝景新,程春田,仝磊光. 哈爾濱工業(yè)大學學報. 2009(07)
[7]一種基于種群劃分及雜交的免疫遺傳算法[J]. 武妍,李儒耘. 計算機工程. 2008(03)
[8]基于疫苗接種的免疫算法[J]. 孫曉亮,邵定宏. 計算機工程與設計. 2007(16)
[9]免疫算法研究的進展[J]. 蔡自興,龔濤. 控制與決策. 2004(08)
[10]一種新的免疫算法[J]. 余建軍,鄭鋒,孫樹棟. 計算機工程與應用. 2004(23)
本文編號：3227681
【文章來源】：東華大學上海市 211工程院校 教育部直屬院校
【文章頁數】：71 頁
【學位級別】：碩士
【部分圖文】：
免疫治療基因調控的網絡圖
免疫治療貝葉斯基因調控網絡的建模與免疫算法優(yōu)化研究8圖2-1免疫治療基因調控的網絡圖基因調控網絡建模是通過對基因表達數據的處理分析，尋找最能代表數據間聯(lián)系的網絡圖。由于基因調控網絡過于復雜，在建模時會對其進行簡化處理，一般表示為圖模型或網絡的形式。從網絡結構上看可將其簡化成由節(jié)點和邊組成的有向圖結構，如圖2-2所示。圖2-2基因調控網絡簡化圖圖中的圓圈表示節(jié)點，節(jié)點表示調控網絡元素，如基因、蛋白質等；邊表示生物分子間的調控關系，有向邊表示調控增強作用，即誘導其它基因進行轉錄，末端有短線的有向邊表示表達抑制作用，即抑制其它基因轉錄的活性。2.3免疫治療基因調控網絡模型的構建近年來，已有各式各樣的數學模型被應用于逆向工程的基因調控網絡建模研究過程中，這些模型都對真實的基因調控網絡在不同程度上進行了抽象化處理。其中，比較典型的有關聯(lián)網絡模型、貝葉斯網絡模型、布爾網絡模型、線性組合
免疫治療貝葉斯基因調控網絡的建模與免疫算法優(yōu)化研究10時間點t時的基因表達，右邊為對應的時間點t1時的基因表達。圖2-3布爾網絡模型布爾網絡最大的優(yōu)點在于其簡單性和直截了當性，速度快，效率高。此外，布爾網絡還應用了時間離散和同步更新。但是對于基因調控網絡建模來說只是一種簡化的離散模型，對網絡的模擬較為粗糙，將基因的狀態(tài)值只定性為表達和不表達兩種，忽視了各基因表達水平的差異，不符合實際基因表達的連續(xù)性過程，僅僅使用邏輯規(guī)則來推斷基因表達容易造成錯誤的結果。因此，不選用此網絡模型進行改進，以設計免疫治療基因調控網絡模型。2.3.2線性組合模型和加權矩陣模型的建模方法分析線性組合模型和加權矩陣模型都是連續(xù)網絡模型，它們比較相似，經常被歸為一類，即“粗網模型”。原因是，在這兩種模型中，一個基因的表達值都是其他基因表達值的加權和[25-27]，可表示為：1()()niijjjxtwxt（2-3）式中，ijw表示基因i、j間的調控關系，若0ijw則基因j對基因i表達有激勵作用，若0ijw則基因j對基因i的表達有抑制作用，若0ijw時表示基因j對基因i不存在調控作用。線性組合模型中，通常采用線性差分方程組的形式描述基因表達水平隨時間的連續(xù)變化趨勢，分析各個基因的表達行為，并且表現出了基因表達數據的連續(xù)性特點，能很好的擬和基因表達實驗數據[27]。加權矩陣模型區(qū)別于線性組合模型的地方是多了一次基因i最終轉錄響應的非線性影射過程，非線性影射函數多使用Sigmoid函數表示：
【參考文獻】：
期刊論文
[1]癌癥免疫治療的利器——2018年諾貝爾生理學或醫(yī)學獎簡介[J]. 溫銘杰,于明航,王璽. 首都醫(yī)科大學學報. 2018(05)
[2]貝葉斯方法的基因調控網絡在醫(yī)學領域的應用[J]. 劉飛,張庭. 自動化技術與應用. 2018(03)
[3]旅行商問題最優(yōu)路徑的改進免疫遺傳算法[J]. 孔令夷. 數學雜志. 2015(02)
[4]腫瘤免疫治療的研究進展[J]. 魏曉莉. 國際藥學研究雜志. 2014(01)
[5]蟻群算法與免疫算法的融合及其在TSP中的應用[J]. 劉朝華,張英杰,章兢,吳建輝. 控制與決策. 2010(05)
[6]改進的免疫算法在函數優(yōu)化中的應用[J]. 謝景新,程春田,仝磊光. 哈爾濱工業(yè)大學學報. 2009(07)
[7]一種基于種群劃分及雜交的免疫遺傳算法[J]. 武妍,李儒耘. 計算機工程. 2008(03)
[8]基于疫苗接種的免疫算法[J]. 孫曉亮,邵定宏. 計算機工程與設計. 2007(16)
[9]免疫算法研究的進展[J]. 蔡自興,龔濤. 控制與決策. 2004(08)
[10]一種新的免疫算法[J]. 余建軍,鄭鋒,孫樹棟. 計算機工程與應用. 2004(23)
本文編號：3227681
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3227681.html
