生物大數(shù)據(jù)使得關(guān)于生物機(jī)制的研究可以從數(shù)據(jù)分析的角度入手,多方面揭示分子調(diào)控機(jī)制。然而海量的高通量數(shù)據(jù)也給數(shù)據(jù)分析帶來(lái)了難度。與此同時(shí),生物功能的復(fù)雜性也要求使用更合適的建模方式,以準(zhǔn)確地描述分子機(jī)制內(nèi)部復(fù)雜的結(jié)構(gòu)。網(wǎng)絡(luò)方法能夠描述分子相互作用,以圖的形式展現(xiàn)分子調(diào)控系統(tǒng)。而粒度計(jì)算理論廣泛應(yīng)用于提取系統(tǒng)結(jié)構(gòu),有助于從不同層次理解分子如何通過(guò)協(xié)同實(shí)現(xiàn)具體的生命過(guò)程。本文基于粗�；枷�,結(jié)合網(wǎng)絡(luò)分析方法認(rèn)識(shí)疾病動(dòng)態(tài)發(fā)展過(guò)程中的分子調(diào)控機(jī)制,主要探討了肺腺癌預(yù)測(cè)基因的選取、小鼠Ⅱ型糖尿病發(fā)展機(jī)制和結(jié)腸癌血行轉(zhuǎn)移過(guò)程中循環(huán)癌細(xì)胞（CTC）、自然殺傷細(xì)胞（NK細(xì)胞）和血小板之間的通訊網(wǎng)絡(luò)。主要內(nèi)容如下:在第二章中,為了提取預(yù)測(cè)基因用于對(duì)腫瘤與正常樣本進(jìn)行分類,本章提出一種基于格蘭杰因果關(guān)系檢驗(yàn)和逐步特征選擇的預(yù)測(cè)基因選擇方法,其設(shè)計(jì)目標(biāo)是最大限度提高分類精度和減少預(yù)測(cè)因子數(shù)量。首先,基于甲基化、基因表達(dá)和miRNA表達(dá)數(shù)據(jù)構(gòu)建基因相互作用網(wǎng)絡(luò),并通過(guò)差異表達(dá)分析獲得差異基因。進(jìn)一步,通過(guò)網(wǎng)絡(luò)分析,選取中心節(jié)點(diǎn)作為特征基因。最后,利用格蘭杰因果檢驗(yàn)和皮爾遜相關(guān)檢驗(yàn)對(duì)特征基因進(jìn)行篩選;提出基于隨機(jī)... 

【文章來(lái)源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

IL1B基因在不同組織中的表達(dá)差異性

中起到關(guān)鍵作用的配體-受體對(duì)。最后利用逐步特征選擇算法識(shí)別預(yù)測(cè)基因，用于分類正常樣本和發(fā)生轉(zhuǎn)移的結(jié)腸癌樣本。第五章進(jìn)行總結(jié)與展望，指出可以繼續(xù)加強(qiáng)和補(bǔ)充的部分，為進(jìn)一步研究提供建議。1.4.2創(chuàng)新點(diǎn)結(jié)合基因表達(dá)數(shù)據(jù)，本文以粒度計(jì)算思想為指導(dǎo)，結(jié)合網(wǎng)絡(luò)手段對(duì)數(shù)據(jù)進(jìn)行分析，對(duì)疾病發(fā)病與演變的潛在分子機(jī)制進(jìn)行了探索。本文完成了從單層網(wǎng)絡(luò)、動(dòng)態(tài)網(wǎng)絡(luò)直至多層網(wǎng)絡(luò)（具體為組織/細(xì)胞間通訊網(wǎng)絡(luò)）的研究過(guò)程，主要?jiǎng)?chuàng)新點(diǎn)如下：（1）基于隨機(jī)森林算法，提出逐步特征選擇算法識(shí)別預(yù)測(cè)基因，該算法能夠保證所得的圖1-2文章組織結(jié)構(gòu)

第二章基于差異基因互作網(wǎng)絡(luò)的預(yù)測(cè)基因選擇11控方向，即將原本的無(wú)向網(wǎng)絡(luò)轉(zhuǎn)化為具有因果關(guān)系的有向網(wǎng)絡(luò)。在這樣的因果網(wǎng)絡(luò)中，受到調(diào)控的基因的作用可以被它的調(diào)控基因所取代，因此，只需要找到在整個(gè)網(wǎng)絡(luò)中發(fā)揮源頭作用的全局調(diào)控基因，即可掌握網(wǎng)絡(luò)中的關(guān)鍵調(diào)控信息。2.2全局調(diào)控基因搜索算法具體地，確定以下兩中基因?yàn)榫W(wǎng)絡(luò)中的全局調(diào)控基因：一種是入度為0的基因；另一種為與其他基因構(gòu)成獨(dú)立的閉環(huán)的基因，具體如圖2-2所示。首先確定入度為0的基因選為全局調(diào)控基因，隨后逐步沿著有向網(wǎng)絡(luò)的方向逐步搜尋并刪除受其調(diào)控的基因。當(dāng)整個(gè)過(guò)程結(jié)束之后，第二種情況所描述的基因永遠(yuǎn)無(wú)法被搜尋到。因此循環(huán)結(jié)束后剩余的基因也全部選為全局調(diào)控基因。據(jù)圖2-2所示，在圖2-2（a）中，A是C和D的調(diào)控基因，C同時(shí)是A和G的受控基因，且C的入度和出度均不為0，C在網(wǎng)絡(luò)中標(biāo)為綠色；H是一個(gè)單獨(dú)的節(jié)點(diǎn)。在圖2-2（b）中，B、E和I的入度都等于1，它們構(gòu)成了獨(dú)立的閉環(huán)。對(duì)這樣一個(gè)包含9個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)進(jìn)行上述全局調(diào)控基因搜索算法，最終得到的全局調(diào)控基因即為A、G、H、B、E和I（即標(biāo)為紅色的節(jié)點(diǎn)）。圖2-1格蘭杰因果檢驗(yàn)過(guò)程圖2-2全局調(diào)控基因搜索算法

【參考文獻(xiàn)】：
期刊論文
[1]Ketogenic diet versus ketoacidosis: what determines the influence of ketone bodies on neurons?[J]. Sergei V.Fedorovich,Polina P.Voronina,Tatyana V.Waseem.  Neural Regeneration Research. 2018(12)
[2]基于粒度空間的最小生成樹分類算法[J]. 孫夢(mèng)夢(mèng),唐旭清.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2017(05)
[3]基于粗�；牧鞲胁《镜鞍走M(jìn)化樹構(gòu)建[J]. 李陽(yáng),唐旭清.  模式識(shí)別與人工智能. 2016(10)
[4]系統(tǒng)生物學(xué)與生物網(wǎng)絡(luò)研究[J]. 譚璐,姜璐.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2005(04)
[5]生物信息學(xué):生物實(shí)驗(yàn)數(shù)據(jù)和計(jì)算技術(shù)結(jié)合的新領(lǐng)域[J]. 歐陽(yáng)曙光,賀福初.  科學(xué)通報(bào). 1999(14)



本文編號(hào)：3261013