本文關(guān)鍵詞：擬南芥免疫相關(guān)基因網(wǎng)絡(luò)的構(gòu)建及多尺度的比較分析，由筆耕文化傳播整理發(fā)布。

【摘要】：細(xì)胞中復(fù)雜的基因互作可以通過網(wǎng)絡(luò)生物學(xué)的理論加以明確表述。在有效的植物免疫響應(yīng)的背后是眾多免疫相關(guān)基因之間的精密協(xié)作。因此網(wǎng)絡(luò)生物學(xué)的手段可以用于詳細(xì)地解析植物中不同類型的免疫響應(yīng)之間的異同之處。病原體相關(guān)分子模式激發(fā)的免疫(PTI)和效應(yīng)蛋白激發(fā)的免疫(ETI)是植物對抗病原體入侵的兩種主要的免疫響應(yīng)類型。但是在全基因組的尺度,關(guān)于基因網(wǎng)絡(luò)是如何組織并導(dǎo)致PTI和ETI之間的定量差異仍然尚未明確。作者結(jié)合先進(jìn)的機(jī)器學(xué)習(xí)算法和模塊化的網(wǎng)絡(luò)分析,試圖在三個(gè)網(wǎng)絡(luò)尺度上系統(tǒng)地刻畫擬南芥中PTI和ETI的組織原理。在單個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)或者邊的水平,作者依據(jù)每個(gè)基因和基因互作在區(qū)分植物免疫響應(yīng)和正常生長狀態(tài)上的能力,對基因網(wǎng)絡(luò)中的基因和基因互作進(jìn)行排序,并成功地鑒定了多個(gè)與PTI和ETI相關(guān)的植物免疫相關(guān)基因。網(wǎng)絡(luò)拓?fù)浞治鼋沂?排名較高的基因互作傾向于連接著不同的網(wǎng)絡(luò)模塊。在子網(wǎng)絡(luò)的水平,作者鑒定了一個(gè)PTI和ETI間共享的子網(wǎng)絡(luò),其中包括了1,156個(gè)基因及其之間的1,289條基因互作。該子網(wǎng)絡(luò)中富集了連接網(wǎng)絡(luò)模塊的基因互作,同時(shí)也是病原體效應(yīng)蛋白攻擊的熱區(qū)。推斷此子網(wǎng)絡(luò)可能代表了植物免疫基因網(wǎng)絡(luò)中的一個(gè)核心組分,介導(dǎo)著多個(gè)生物學(xué)過程在免疫響應(yīng)中的協(xié)同進(jìn)行,促進(jìn)植物由正常的發(fā)育狀態(tài)向防御狀態(tài)轉(zhuǎn)變。最后,為了從全局的網(wǎng)絡(luò)架構(gòu)解釋PTI和ETI之間的定量差異,作者為PTI和ETl分別構(gòu)建了模塊化的網(wǎng)絡(luò)模型。結(jié)果表明,在ETI中防御模塊以一種相對更加獨(dú)立的結(jié)構(gòu)組織在一起,這為ETI對遺傳突變和效應(yīng)蛋白攻擊表現(xiàn)出來的較強(qiáng)的承受能力提供了一種解釋。以上對PTI和ETI的多尺度比較分析為理解植物免疫提供了一種系統(tǒng)生物學(xué)的視角,同時(shí)這些結(jié)果強(qiáng)調(diào)了多個(gè)網(wǎng)絡(luò)模塊之間的協(xié)同工作對于建立穩(wěn)健的免疫響應(yīng)的重要性。 除了植物的免疫系統(tǒng),植物和病原體之間的“軍備競賽”同樣深遠(yuǎn)地影響了病原體的感染策略。作為革蘭氏陰性細(xì)菌最重要的毒力因子,三型效應(yīng)蛋白(T3SE)通過抑制植物的免疫響應(yīng),在植物和病原體的互作中扮演了至關(guān)重要的角色。但是T3SE的進(jìn)化速率較快,這使得傳統(tǒng)的生物信息學(xué)方法,如序列相似性搜索,難以從新測序的病原體基因組中鑒定T3SE。在本文工作中,通過結(jié)合基于序列譜的氨基酸對信息以及機(jī)器學(xué)習(xí)算法,作者開發(fā)了一個(gè)準(zhǔn)確的T3SE預(yù)測器BEAN(Bacterial effectorANalyzer)。BEAN的創(chuàng)新之處是使用了基于隱馬爾科夫模型的序列搜索方法(即HHblits)檢測T3SE的同源序列并構(gòu)建序列譜,進(jìn)而從N端序列提取k-spaced的氨基酸對組成信息(HH-CKSAAP)。這一編碼策略放大了T3SE中弱保守的氨基酸殘基信息。結(jié)果顯示,BEAN的靈敏度和特異性分別達(dá)到了78%和96%,并且在獨(dú)立測試集上比已經(jīng)報(bào)道的4種T3SE預(yù)測器有更好的表現(xiàn)。在植物病原體基因組上開展的T3SE鑒定測試也證實(shí)了BEAN在全基因組范圍內(nèi)應(yīng)用的有效性。為了進(jìn)一步刻畫三型分泌信號的組成,作者對具有較強(qiáng)預(yù)測能力的氨基酸對開展了進(jìn)化和位置偏好性分析。分析結(jié)果暗示保守的序列motif可能是三型分泌信號的重要組成。綜上,本文工作顯示了網(wǎng)絡(luò)生物學(xué)和機(jī)器學(xué)習(xí)可以作為強(qiáng)大的分析框架和工具,加深我們對植物與病原體的互作的認(rèn)識。此外本文工作中使用的研究手段也可以很好地適用于其它重要生物學(xué)問題的研究。
【關(guān)鍵詞】：植物免疫 三型效應(yīng)蛋白 網(wǎng)絡(luò)生物學(xué) 機(jī)器學(xué)習(xí)
【學(xué)位授予單位】：中國農(nóng)業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：Q943.2
【目錄】：

• 摘要4-5
• Abstract5-7
• ~.略詞列表7-9
• 目錄9-11
• 第一章 緒論11-33
• 1.1 網(wǎng)絡(luò)生物學(xué)概述11-22
• 1.1.1 分子網(wǎng)絡(luò)的基本類型11-16
• 1.1.2 分子網(wǎng)絡(luò)的結(jié)構(gòu)層次16-19
• 1.1.3 基于分子網(wǎng)絡(luò)的整合分析19-22
• 1.2 植物免疫簡介22-30
• 1.2.1 植物免疫系統(tǒng)的基本構(gòu)成22-25
• 1.2.2 植物免疫響應(yīng)的調(diào)控基因和有關(guān)信號通路研究進(jìn)展25-28
• 1.2.3 病原細(xì)菌三型效應(yīng)蛋白28-30
• 1.3 網(wǎng)絡(luò)生物學(xué)在植物免疫研究中的應(yīng)用30-31
• 1.4 本文工作的提出與研究目的31-33
• 第二章 病原體相關(guān)分子模式激發(fā)的免疫(PTI)和效應(yīng)蛋白激發(fā)的免疫(ETI)之間的比較分析33-63
• 2.1 引言33-34
• 2.2 材料與方法34-39
• 2.2.1 數(shù)據(jù)集的收集和整理34
• 2.2.2 基因網(wǎng)絡(luò)的構(gòu)建與質(zhì)量控制34-36
• 2.2.3 網(wǎng)絡(luò)引導(dǎo)的隨機(jī)森林算法(NGF)36-37
• 2.2.4 決策規(guī)則的提取和分析37
• 2.2.5 網(wǎng)絡(luò)模塊的鑒定37-38
• 2.2.6 基于NGF的基因集富集分析38
• 2.2.7 Closeness centrality的計(jì)算38-39
• 2.2.8 網(wǎng)絡(luò)可視化39
• 2.3 結(jié)果與分析39-59
• 2.3.1 構(gòu)建一個(gè)整合的擬南芥基因網(wǎng)絡(luò)39-41
• 2.3.2 使用網(wǎng)絡(luò)引導(dǎo)的隨機(jī)森林算法鑒定PTI與ETI的網(wǎng)絡(luò)組分41-49
• 2.3.3 PTI與ETI共享的子網(wǎng)絡(luò)是病原體效應(yīng)蛋白攻擊的熱區(qū)49-50
• 2.3.4 模塊化的免疫相關(guān)基因網(wǎng)絡(luò)模型50-54
• 2.3.5 模塊M63提示染色質(zhì)的動態(tài)性可能在ETI有著潛在的作用54-57
• 2.3.6 一個(gè)在線的網(wǎng)絡(luò)資源用于交互式的探索模塊化的網(wǎng)絡(luò)模型57-59
• 2.4 討論59-61
• 2.4.1 NGF能夠有效的結(jié)合基因網(wǎng)絡(luò)和基因表達(dá)的信息識別免疫相關(guān)基因59-60
• 2.4.2 一個(gè)PTI和ETI共享的子網(wǎng)絡(luò)60
• 2.4.3 防御模塊間相對獨(dú)立的組織方式可能是ETI區(qū)別于PTI的一個(gè)重要方面60-61
• 2.4.4 局限性和未來的方向61
• 2.5 小結(jié)61-63
• 第三章 病原細(xì)菌三型效應(yīng)蛋白識別算法的開發(fā)63-82
• 3.1 引言63-64
• 3.2 材料和方法64-67
• 3.2.1 數(shù)據(jù)集的構(gòu)建64
• 3.2.2 同源序列搜索與序列譜構(gòu)建64-65
• 3.2.3 從序列譜中提取k-spaced氨基酸對作為特征向量65
• 3.2.4 訓(xùn)練SVM模型并提取氨基酸對的權(quán)重65-66
• 3.2.5 算法評價(jià)66-67
• 3.2.6 氨基酸對的進(jìn)化保守性分析67
• 3.2.7 氨基酸對的位置分布分析67
• 3.3 結(jié)果與分析67-80
• 3.3.1 BEAN的預(yù)測性能67-71
• 3.3.2 有效特征分析71-74
• 3.3.3 BEAN與其它四種已有的基于機(jī)器學(xué)習(xí)的T3SE預(yù)測算法的性能比較74-76
• 3.3.4 應(yīng)用BEAN在全基因組范圍內(nèi)鑒定青枯病病菌的T3SE76-78
• 3.3.5 BEAN的網(wǎng)絡(luò)服務(wù)器78-80
• 3.4 討論80-81
• 3.4.1 三型分泌信號與弱保守的motif80
• 3.4.2 三型分泌信號的組成80-81
• 3.5 小結(jié)81-82
• 第四章 結(jié)論與展望82-84
• 4.1 結(jié)論82-83
• 4.2 展望83-84
• 參考文獻(xiàn)84-94
• 致謝94-95
• 附錄95-105
• 作者簡歷105

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 蔡坤琪;;基于相關(guān)鑒別分析和隨機(jī)森林的人臉識別方法[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2012年01期

2 李飛;高小榕;高上凱;;基于隨機(jī)森林算法的高維腦電特征優(yōu)選[J];北京生物醫(yī)學(xué)工程;2007年04期

3 陳建新;西廣成;王偉;趙慧輝;陳靜;;數(shù)據(jù)挖掘分類算法在冠心病臨床應(yīng)用的比較[J];北京生物醫(yī)學(xué)工程;2008年03期

4 熊文;王樅;;改進(jìn)粒子群與支持向量機(jī)混合的特征變換[J];北京郵電大學(xué)學(xué)報(bào);2009年06期

5 蔡金錠;鄢仁武;;基于小波分析與隨機(jī)森林算法的電力電子電路故障診斷[J];電力科學(xué)與技術(shù)學(xué)報(bào);2011年02期

6 胥海威;何寬;;改進(jìn)隨機(jī)決策樹群算法在監(jiān)督分類中的應(yīng)用[J];地理與地理信息科學(xué);2010年06期

7 張郴;張捷;;中國入境旅游需求預(yù)測的神經(jīng)網(wǎng)絡(luò)集成模型研究[J];地理科學(xué);2011年10期

8 馬昕;郭靜;孫嘯;;蛋白質(zhì)中RNA-結(jié)合殘基預(yù)測的隨機(jī)森林模型[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

9 胡鋒;邢潔清;;一種基于小波變換與隨機(jī)森林的人臉識別方法[J];電腦知識與技術(shù);2011年16期

10 葉圣永;王曉茹;劉志剛;錢清泉;;電力系統(tǒng)暫態(tài)穩(wěn)定評估組合模型的比較[J];電網(wǎng)技術(shù);2008年23期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 賈少春;胡秀珍;;A Method of Predicting theβ-hairpin Motifs in Proteins[A];第四屆全國生物信息學(xué)與系統(tǒng)生物學(xué)學(xué)術(shù)大會論文集[C];2010年

2 李勝朋;王洪禮;馮劍豐;;基于不連續(xù)回歸樹的最大李雅譜諾夫指數(shù)計(jì)算方法[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2007年

3 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

4 張紅梅;;基于粗糙集特征約簡的SVM集成入侵檢測模型[A];2009中國控制與決策會議論文集（3）[C];2009年

5 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計(jì)算(機(jī))化學(xué)學(xué)術(shù)會議論文摘要集[C];2009年

6 曹東升;許青松;梁逸曾;;Computer-Aided Prediction of Toxicity with Substructure Pattern and Random Forest[A];第十一屆全國計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

7 李夢龍;;Systematically analyze and select key features to microRNA precursors identification based on random forests[A];第十一屆全國計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

8 秦文麗;李益洲;李娟;余樂正;郭延芝;李夢龍;;基于蛋白質(zhì)序列信息的信號肽上有害非同義單核苷酸多態(tài)性的預(yù)測[A];第十一屆全國計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

9 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機(jī)森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應(yīng)用[A];第八屆全國轉(zhuǎn)子動力學(xué)學(xué)術(shù)討論會論文集[C];2008年

10 饒國強(qiáng);馮輔周;江鵬程;靳瑩;范結(jié)緒;;模糊識別在變速箱狀態(tài)識別中的應(yīng)用研究[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 于化龍;基于DNA微陣列數(shù)據(jù)的癌癥分類技術(shù)研究[D];哈爾濱工程大學(xué);2010年

2 李書艷;單點(diǎn)氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測及其機(jī)制研究[D];蘭州大學(xué);2010年

3 姚志明;基于步態(tài)觸覺信息的身份識別研究[D];中國科學(xué)技術(shù)大學(xué);2010年

4 杜方;復(fù)雜網(wǎng)絡(luò)系統(tǒng)間相似性識別及其應(yīng)用[D];浙江大學(xué);2010年

5 甘良志;核學(xué)習(xí)算法與集成方法研究[D];浙江大學(xué);2010年

6 王樹云;基于Bayes方法和圖限制下正規(guī)化方法的變量選擇問題及其在基因組數(shù)據(jù)中的應(yīng)用[D];山東大學(xué);2010年

7 王中鋒;樹型貝葉斯網(wǎng)絡(luò)分類器鑒別式訓(xùn)練研究[D];北京交通大學(xué);2011年

8 田健;計(jì)算機(jī)輔助分子設(shè)計(jì)提高蛋白質(zhì)熱穩(wěn)定性的研究[D];中國農(nóng)業(yè)科學(xué)院;2011年

9 戴俊程;基于全基因組關(guān)聯(lián)研究的中國女性乳腺癌風(fēng)險(xiǎn)預(yù)測模型研究[D];南京醫(yī)科大學(xué);2011年

10 王清;集成學(xué)習(xí)中若干關(guān)鍵問題的研究[D];復(fù)旦大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 馬冉冉;集成學(xué)習(xí)算法研究[D];山東科技大學(xué);2010年

2 石國強(qiáng);基于規(guī)則的組合分類器的研究[D];鄭州大學(xué);2010年

3 陳松峰;利用PCA和AdaBoost建立基于貝葉斯的組合分類器[D];鄭州大學(xué);2010年

4 李紅;數(shù)據(jù)挖掘中特征選擇與聚類算法研究[D];大連理工大學(xué);2010年

5 李海燕;互信息特征選擇的研究及在代謝組學(xué)中的應(yīng)用[D];大連理工大學(xué);2010年

6 朱新榮;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)集成算法的研究及應(yīng)用[D];大連理工大學(xué);2010年

7 嚴(yán)康;基于支持向量機(jī)的特征選擇算法研究[D];大連理工大學(xué);2010年

8 唐曉敏;基于霍夫變換及條件概率模型的多目標(biāo)檢測[D];大連理工大學(xué);2010年

9 王若飛;基于機(jī)器學(xué)習(xí)的蛋白質(zhì)折疊預(yù)測算法研究[D];湘潭大學(xué);2010年

10 楊向軍;Web spam檢測系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D];華南理工大學(xué);2010年

  本文關(guān)鍵詞：擬南芥免疫相關(guān)基因網(wǎng)絡(luò)的構(gòu)建及多尺度的比較分析，由筆耕文化傳播整理發(fā)布。

，

本文編號：377719