在細(xì)胞重編程過程中階段特異性基因簇的預(yù)測研究
發(fā)布時間:2021-07-19 17:52
細(xì)胞重編程是在特定誘導(dǎo)條件下,將分化的成熟體細(xì)胞重編程為多能性甚至全能性細(xì)胞的過程。了解細(xì)胞重編程過程中不同階段基因表達(dá)的特異性變化,對于闡明誘導(dǎo)性多能干細(xì)胞(induced pluripotent stem cells,iPSCs)的重編程機(jī)制、提高其誘導(dǎo)效率具有重要作用。目前的生物實驗已通過對多能性轉(zhuǎn)錄因子的篩選、組合及過表達(dá),成功將成熟體細(xì)胞誘導(dǎo)分化為iPSCs。但是,現(xiàn)有研究未見從轉(zhuǎn)錄因子的結(jié)合峰及組蛋白修飾等其它因素的角度篩選階段特異性基因簇的研究。因此,本文基于轉(zhuǎn)錄因子的結(jié)合峰及結(jié)合組蛋白修飾等其他因素建立理論預(yù)測模型對重編程階段特異性基因簇進(jìn)行預(yù)測。本文的研究內(nèi)容共包括三部分:(1)基于轉(zhuǎn)錄因子(transcription factor,TF)結(jié)合譜特征的階段特異性基因簇的預(yù)測。(2)基于組蛋白修飾(histone modification,HMs)特征的階段特異性基因簇的預(yù)測。(3)基于TF結(jié)合聯(lián)合HMs特征的階段特異性基因簇的預(yù)測。本文的ChIP-seq數(shù)據(jù)和微陣列轉(zhuǎn)錄組數(shù)據(jù)均來自Gene Expression Omnibus(GEO)數(shù)據(jù)庫,登錄號分別為GSE675...
【文章來源】:內(nèi)蒙古大學(xué)內(nèi)蒙古自治區(qū) 211工程院校
【文章頁數(shù)】:59 頁
【學(xué)位級別】:碩士
【部分圖文】:
細(xì)胞重編程過程
在細(xì)胞重編程過程中階段特異性基因簇的預(yù)測研究20圖3.2Oct4-BP模型Figure3.2ThemodelofOct4-BP基于Oct4-BP方法的階段特異性基因簇的分類預(yù)測模型的步驟為如下:步驟1.構(gòu)造分類:在已有的研究基礎(chǔ)上,進(jìn)一步利用基因的差異表達(dá)分別對基因啟動子,增強(qiáng)子區(qū)域構(gòu)造階段特異性基因簇:起始階段、成熟階段和穩(wěn)定階段。并將得到的結(jié)果作為類別標(biāo)簽;步驟2.提取特征:統(tǒng)計Oct4及RNApol在階段特異性基因簇區(qū)域的結(jié)合peak總量,將其作為模型的前兩個特征,第三個特征為標(biāo)準(zhǔn)化的基因表達(dá)值,后兩個特征分別是Oct4和RNApol乘法交互項、基因表達(dá)值平方交互項;步驟3.初始化網(wǎng)絡(luò):根據(jù)階段特異性基因簇的定義確定網(wǎng)絡(luò)輸入層節(jié)點數(shù)為5、隱含層節(jié)點數(shù)為3,輸出層節(jié)點數(shù)為3,并初始化輸入層、隱含層和輸出層神經(jīng)元之間的連接權(quán)值,初始化隱含層閾值,輸出層閾值,給定學(xué)習(xí)速率0.0075和神經(jīng)元激勵函數(shù)sigmoid:步驟4.網(wǎng)絡(luò)訓(xùn)練:取定迭代次數(shù)為10000,計算隱含層輸出,輸出層及誤差,根據(jù)網(wǎng)絡(luò)預(yù)測誤差更新權(quán)值及閾值,迭代訓(xùn)練分類網(wǎng)絡(luò);步驟5.根據(jù)步驟4得到的模型參數(shù),計算出分類方法的評價指標(biāo)PRF值、Rocarea和準(zhǔn)確率等,并對基因啟動子和增強(qiáng)子區(qū)域的預(yù)測性能進(jìn)行評估。3.5結(jié)果與分析通過統(tǒng)計分析和特征組合提取3個階段特異性基因簇的啟動子和增強(qiáng)子區(qū)域Oct4和RNApol的結(jié)合peak信息,獲得5維特征向量,并由此構(gòu)建了三個階段特異性基因簇的分類預(yù)測模型Oct4-BP;贠ct4-BP模型,我們得到了基因啟動子和增強(qiáng)子區(qū)域的分類預(yù)測結(jié)
內(nèi)蒙古大學(xué)碩士學(xué)位論文21果,如圖3.3-3.4所示。由圖3.3-3.4可以看出,對于Rocarea,增強(qiáng)子區(qū)域的分類結(jié)果比啟動子區(qū)域的分類結(jié)果提升了4%。圖3.3基于Oct4的階段特異性基因簇的預(yù)測結(jié)果:啟動子區(qū)域特征預(yù)測結(jié)果Figure3.3Predictionresultsofphase-specificgeneclustersbasedonOct4:predictionresultsinpromoterregioncharacteristics
【參考文獻(xiàn)】:
期刊論文
[1]基于詞向量語義分類的微博實體鏈接方法[J]. 馮沖,石戈,郭宇航,龔靜,黃河燕. 自動化學(xué)報. 2016(06)
[2]染色質(zhì)免疫共沉淀-測序(ChIP-Seq)技術(shù)及數(shù)據(jù)分析方法介紹[J]. 楊薇,劉若水. 河南科學(xué). 2014(08)
[3]基于證據(jù)理論的多分類器中文微博觀點句識別[J]. 郭云龍,潘玉斌,張澤宇,李莉. 計算機(jī)工程. 2014(04)
[4]SVM多類別分類方法在客戶流失預(yù)測中的應(yīng)用研究[J]. 李興國,謝偉,盧光松. 計算機(jī)應(yīng)用與軟件. 2010(03)
碩士論文
[1]小鼠誘導(dǎo)性多潛能干細(xì)胞系的建立與鑒定[D]. 申紅芬.中南大學(xué) 2009
[2]擬南芥一具亮氨酸拉鏈的轉(zhuǎn)錄因子的功能研究與表達(dá)分析[D]. 邊金艷.山東師范大學(xué) 2008
本文編號:3291153
【文章來源】:內(nèi)蒙古大學(xué)內(nèi)蒙古自治區(qū) 211工程院校
【文章頁數(shù)】:59 頁
【學(xué)位級別】:碩士
【部分圖文】:
細(xì)胞重編程過程
在細(xì)胞重編程過程中階段特異性基因簇的預(yù)測研究20圖3.2Oct4-BP模型Figure3.2ThemodelofOct4-BP基于Oct4-BP方法的階段特異性基因簇的分類預(yù)測模型的步驟為如下:步驟1.構(gòu)造分類:在已有的研究基礎(chǔ)上,進(jìn)一步利用基因的差異表達(dá)分別對基因啟動子,增強(qiáng)子區(qū)域構(gòu)造階段特異性基因簇:起始階段、成熟階段和穩(wěn)定階段。并將得到的結(jié)果作為類別標(biāo)簽;步驟2.提取特征:統(tǒng)計Oct4及RNApol在階段特異性基因簇區(qū)域的結(jié)合peak總量,將其作為模型的前兩個特征,第三個特征為標(biāo)準(zhǔn)化的基因表達(dá)值,后兩個特征分別是Oct4和RNApol乘法交互項、基因表達(dá)值平方交互項;步驟3.初始化網(wǎng)絡(luò):根據(jù)階段特異性基因簇的定義確定網(wǎng)絡(luò)輸入層節(jié)點數(shù)為5、隱含層節(jié)點數(shù)為3,輸出層節(jié)點數(shù)為3,并初始化輸入層、隱含層和輸出層神經(jīng)元之間的連接權(quán)值,初始化隱含層閾值,輸出層閾值,給定學(xué)習(xí)速率0.0075和神經(jīng)元激勵函數(shù)sigmoid:步驟4.網(wǎng)絡(luò)訓(xùn)練:取定迭代次數(shù)為10000,計算隱含層輸出,輸出層及誤差,根據(jù)網(wǎng)絡(luò)預(yù)測誤差更新權(quán)值及閾值,迭代訓(xùn)練分類網(wǎng)絡(luò);步驟5.根據(jù)步驟4得到的模型參數(shù),計算出分類方法的評價指標(biāo)PRF值、Rocarea和準(zhǔn)確率等,并對基因啟動子和增強(qiáng)子區(qū)域的預(yù)測性能進(jìn)行評估。3.5結(jié)果與分析通過統(tǒng)計分析和特征組合提取3個階段特異性基因簇的啟動子和增強(qiáng)子區(qū)域Oct4和RNApol的結(jié)合peak信息,獲得5維特征向量,并由此構(gòu)建了三個階段特異性基因簇的分類預(yù)測模型Oct4-BP;贠ct4-BP模型,我們得到了基因啟動子和增強(qiáng)子區(qū)域的分類預(yù)測結(jié)
內(nèi)蒙古大學(xué)碩士學(xué)位論文21果,如圖3.3-3.4所示。由圖3.3-3.4可以看出,對于Rocarea,增強(qiáng)子區(qū)域的分類結(jié)果比啟動子區(qū)域的分類結(jié)果提升了4%。圖3.3基于Oct4的階段特異性基因簇的預(yù)測結(jié)果:啟動子區(qū)域特征預(yù)測結(jié)果Figure3.3Predictionresultsofphase-specificgeneclustersbasedonOct4:predictionresultsinpromoterregioncharacteristics
【參考文獻(xiàn)】:
期刊論文
[1]基于詞向量語義分類的微博實體鏈接方法[J]. 馮沖,石戈,郭宇航,龔靜,黃河燕. 自動化學(xué)報. 2016(06)
[2]染色質(zhì)免疫共沉淀-測序(ChIP-Seq)技術(shù)及數(shù)據(jù)分析方法介紹[J]. 楊薇,劉若水. 河南科學(xué). 2014(08)
[3]基于證據(jù)理論的多分類器中文微博觀點句識別[J]. 郭云龍,潘玉斌,張澤宇,李莉. 計算機(jī)工程. 2014(04)
[4]SVM多類別分類方法在客戶流失預(yù)測中的應(yīng)用研究[J]. 李興國,謝偉,盧光松. 計算機(jī)應(yīng)用與軟件. 2010(03)
碩士論文
[1]小鼠誘導(dǎo)性多潛能干細(xì)胞系的建立與鑒定[D]. 申紅芬.中南大學(xué) 2009
[2]擬南芥一具亮氨酸拉鏈的轉(zhuǎn)錄因子的功能研究與表達(dá)分析[D]. 邊金艷.山東師范大學(xué) 2008
本文編號:3291153
本文鏈接:http://sikaile.net/shoufeilunwen/benkebiyelunwen/3291153.html
最近更新
教材專著