基因調(diào)控網(wǎng)絡(luò)描述了基因、RNA和調(diào)控子等生物大分子之間的調(diào)控關(guān)系,通過分析基因調(diào)控網(wǎng)絡(luò),可以實(shí)現(xiàn)基因組層面的生理過程解析。作為計(jì)算生物學(xué)與系統(tǒng)生物學(xué)領(lǐng)域的重要課題,基因調(diào)控網(wǎng)絡(luò)推斷問題一直是國內(nèi)外學(xué)者的研究熱點(diǎn)。現(xiàn)有的基因調(diào)控網(wǎng)絡(luò)推斷技術(shù)主要分為基于特征工程的機(jī)器學(xué)習(xí)方法和基于深度學(xué)習(xí)的方法兩類。基于特征工程的機(jī)器學(xué)習(xí)方法不足主要包括三個(gè)方面,分別是無法考慮調(diào)控關(guān)系的方向性、無法應(yīng)用于大規(guī)模網(wǎng)絡(luò)和輸入特征的設(shè)計(jì)與特征選擇的不穩(wěn)定問題�；谏疃葘W(xué)習(xí)的方法則存在有標(biāo)注數(shù)據(jù)量不足和特征數(shù)據(jù)維度過高的問題,導(dǎo)致深度學(xué)習(xí)模型在基因調(diào)控網(wǎng)絡(luò)推斷問題中未成為主流。針對(duì)現(xiàn)有方法存在的問題,本文同時(shí)從數(shù)據(jù)構(gòu)造和模型設(shè)計(jì)兩方面入手,通過合理構(gòu)造訓(xùn)練數(shù)據(jù)以及結(jié)合深度學(xué)習(xí)模型和噪聲估計(jì)方法,研究基于深度學(xué)習(xí)的基因調(diào)控網(wǎng)絡(luò)推斷方法。本文通過分析來自ENCODE項(xiàng)目的老鼠基因表達(dá)數(shù)據(jù)集的基因表達(dá)數(shù)據(jù)和標(biāo)簽構(gòu)成,設(shè)計(jì)了適用于基因表達(dá)數(shù)據(jù)的負(fù)樣例構(gòu)造方法;結(jié)合數(shù)據(jù)來源特點(diǎn)和生物學(xué)背景知識(shí),基于語義匹配的思想,提出了Match-LSTM模型作為基線模型。利用注意力機(jī)制建模不同時(shí)間點(diǎn)和不同細(xì)胞環(huán)境表達(dá)強(qiáng)度對(duì)整體關(guān)系判定的... 

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

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

細(xì)胞類型特異基因調(diào)控過程示意圖

示基因之間、基因和蛋白質(zhì)之間的調(diào)控關(guān)系的特征用于推斷基因調(diào)控網(wǎng)絡(luò)。從本質(zhì)上講，關(guān)系推斷就是通過總結(jié)具有調(diào)控關(guān)系的基因?qū)Ρ磉_(dá)特征之間的共性規(guī)律，并將此規(guī)律用于判斷其他基因之間的關(guān)系。圖1-2介紹了本文的基本研究內(nèi)容以及各部分之間的關(guān)系。本文主要研究內(nèi)容包括：（1）通過分析基因調(diào)控網(wǎng)絡(luò)推斷任務(wù)的特點(diǎn)和老鼠基因表達(dá)數(shù)據(jù)集構(gòu)成，研究基于基因表達(dá)數(shù)據(jù)特點(diǎn)的預(yù)處理方法和數(shù)據(jù)集負(fù)樣例構(gòu)造方法；針對(duì)數(shù)據(jù)來源的特點(diǎn)和相關(guān)生物背景知識(shí)，依據(jù)語義匹配的思想，提出了兩種分別結(jié)合內(nèi)部和交互注意力機(jī)制的關(guān)系判定模型，稱作 Att-Match 模型。實(shí)驗(yàn)結(jié)果顯示，在相同數(shù)據(jù)量和基因表達(dá)特征數(shù)據(jù)的條件下，Att-Match 模型相比于主流特征工程方法，對(duì)調(diào)控網(wǎng)絡(luò)推斷的關(guān)系判定問題具有明顯更優(yōu)的效果。（2）針對(duì)基因調(diào)控網(wǎng)絡(luò)推斷問題中已知調(diào)控關(guān)系偏少和先驗(yàn)調(diào)控網(wǎng)絡(luò)可信度偏低的特點(diǎn)，本文研究通過結(jié)合類噪聲估計(jì)模型和半監(jiān)督學(xué)習(xí)方法，將現(xiàn)有調(diào)控網(wǎng)- 5 -

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文用，而且 BBSR 在從表達(dá)數(shù)據(jù)和噪聲結(jié)構(gòu)先驗(yàn)推斷基因調(diào)控關(guān)系時(shí)性能N。LARS-EN[38]使用彈性網(wǎng)絡(luò)回歸（elastic net regression），結(jié)合 L1 和 L2 正變量選擇。實(shí)驗(yàn)表明，彈性網(wǎng)絡(luò)和 LASSO 相比，性能占優(yōu)，而且具有類的效果；彈性網(wǎng)絡(luò)鼓勵(lì)分組效應(yīng)，強(qiáng)相關(guān)的預(yù)測(cè)趨于同進(jìn)同出，當(dāng)標(biāo)簽數(shù)本數(shù)量時(shí)，這種效應(yīng)尤為明顯。基于樹的綜合回歸方法，比如 GENIE3 算法[39]，和線性回歸模型不同的是模型不做任何關(guān)于基因調(diào)控的假設(shè)，使得它可以解決組合的和非線性的。作為 DREAM4 項(xiàng)目的 Silico Multfactorial Challenge 最優(yōu)方案，GENIE p 個(gè)基因之間的調(diào)控網(wǎng)絡(luò)預(yù)測(cè)問題轉(zhuǎn)化成 p 個(gè)不同的回歸問題。該算法歸問題中，使用隨機(jī)森林作為基本的集合方法，并以所有其他基因的表為輸入，預(yù)測(cè)靶基因的表達(dá)模式。輸入基因的重要性權(quán)重被作為輸入基因之間推斷整個(gè)調(diào)控網(wǎng)絡(luò)的重要指標(biāo)。 圖2-1是 GENIE3 算法的基本流程

【參考文獻(xiàn)】：
期刊論文
[1]基于部分互信息和貝葉斯打分函數(shù)的基因調(diào)控網(wǎng)絡(luò)構(gòu)建算法[J]. 劉飛,張紹武,高紅艷.  西北工業(yè)大學(xué)學(xué)報(bào). 2017(05)
[2]基于有序條件互信息和有限父結(jié)點(diǎn)構(gòu)建基因調(diào)控網(wǎng)絡(luò)[J]. 劉飛,張紹武,高紅艷.  生物化學(xué)與生物物理進(jìn)展. 2017(05)
[3]基于布爾網(wǎng)絡(luò)模型的乳腺癌基因調(diào)控網(wǎng)絡(luò)的研究[J]. 周漩,周欣,鐘兆健.  計(jì)算機(jī)與應(yīng)用化學(xué). 2016(01)
[4]基于基因擾動(dòng)及變分逼近技術(shù)的基因調(diào)控網(wǎng)絡(luò)推斷[J]. 董自健,宋鐵成,袁創(chuàng).  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(06)
[5]基于遞歸神經(jīng)網(wǎng)絡(luò)的基因調(diào)控網(wǎng)絡(luò)穩(wěn)定性分析[J]. 朱延正,李玉榕,杜民.  系統(tǒng)仿真學(xué)報(bào). 2012(12)
[6]基于遞歸模糊神經(jīng)網(wǎng)絡(luò)的多時(shí)延基因調(diào)控網(wǎng)絡(luò)構(gòu)建方法[J]. 徐賽娟,郭紅.  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(02)



本文編號(hào)：3486314