進(jìn)入21世紀(jì),隨著各類生物測序技術(shù)的發(fā)展,產(chǎn)生了越來越多的生物學(xué)數(shù)據(jù),包括基因組數(shù)據(jù)、轉(zhuǎn)錄組數(shù)據(jù)和蛋白組數(shù)據(jù)等。借助機(jī)器學(xué)習(xí)方法從這些海量的組學(xué)數(shù)據(jù)中挖掘有價(jià)值的信息,將促進(jìn)人們對(duì)疾病的認(rèn)知、診斷以及治療。細(xì)胞是構(gòu)成生物體的基本單位,而細(xì)胞的功能是通過不同的生物分子實(shí)現(xiàn)的,這些生物分子包括蛋白質(zhì)、RNA以及DNA等。細(xì)胞中任何分子的異常,都有可能導(dǎo)致細(xì)胞功能紊亂和疾病的發(fā)生。蛋白質(zhì)是一類有機(jī)大分子,蛋白質(zhì)相互作用網(wǎng)絡(luò)是一種由蛋白質(zhì)之間的相互關(guān)系構(gòu)成的網(wǎng)絡(luò),對(duì)蛋白質(zhì)相互作用網(wǎng)絡(luò)的研究不僅能促進(jìn)系統(tǒng)理解各種生物學(xué)過程、揭示疾病的機(jī)理、而且對(duì)疾病的診斷治療起到積極的作用。miRNA是一類長度約為22個(gè)核苷酸的非編碼RNA分子,許多miRNA與人類的疾病密切相關(guān),利用已知的miRNA-疾病關(guān)系識(shí)別新的疾病相關(guān)miRNA,可以有效的輔助預(yù)測治療靶點(diǎn)和協(xié)助疾病的診斷。基因是具有遺傳效應(yīng)的DNA片段,很多疾病都與基因表達(dá)異常密切相關(guān),利用患者的基因表達(dá)數(shù)據(jù)發(fā)現(xiàn)異常表達(dá)的基因?qū)?duì)疾病的提前診斷和治療具有重要的指導(dǎo)意義。本文主要結(jié)合神經(jīng)網(wǎng)絡(luò)模型,對(duì)蛋白質(zhì)、miRNA以及基因相關(guān)的組學(xué)數(shù)據(jù)進(jìn)行研究,提出了... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：117 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景和意義
    1.2 主要研究內(nèi)容及主要?jiǎng)?chuàng)新點(diǎn)
    1.3 論文組織結(jié)構(gòu)
    1.4 小結(jié)
2 相關(guān)研究概述
    2.1 機(jī)器學(xué)習(xí)
        2.1.1 機(jī)器學(xué)習(xí)的發(fā)展歷程
        2.1.2 神經(jīng)網(wǎng)絡(luò)模型
        2.1.3 機(jī)器學(xué)習(xí)在醫(yī)療領(lǐng)域的應(yīng)用
    2.2 疾病相關(guān)生物分子
        2.2.1 基因
        2.2.2 小分子核糖核酸
        2.2.3 蛋白質(zhì)
    2.3 蛋白質(zhì)功能模塊檢測研究現(xiàn)狀
    2.4 疾病與小分子核糖核酸關(guān)系預(yù)測研究現(xiàn)狀
    2.5 腫瘤預(yù)后標(biāo)記物識(shí)別研究現(xiàn)狀
    2.6 小結(jié)
3 結(jié)合神經(jīng)網(wǎng)絡(luò)和局部結(jié)構(gòu)信息的蛋白質(zhì)功能模塊檢測算法
    3.1 概述
    3.2 結(jié)合神經(jīng)網(wǎng)絡(luò)和局部結(jié)構(gòu)信息的蛋白質(zhì)功能模塊檢測算法
        3.2.1 內(nèi)接鄰居和外接鄰居點(diǎn)集的定義
        3.2.2 特征提取
        3.2.3 基于神經(jīng)網(wǎng)絡(luò)模型和局部結(jié)構(gòu)信息的打分函數(shù)
        3.2.4 雙向搜索算法
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 評(píng)估方法和數(shù)據(jù)集
        3.3.2 參數(shù)的選擇
        3.3.3 ClusterSS與有監(jiān)督以及半監(jiān)督算法的對(duì)比
        3.3.4 ClusterSS與無監(jiān)督學(xué)習(xí)方法的對(duì)比
    3.4 案例分析
        3.4.1 三個(gè)已知模塊預(yù)測結(jié)果的可視化對(duì)比
        3.4.2 對(duì)新預(yù)測的蛋白質(zhì)模塊進(jìn)行GO分析
    3.5 小結(jié)
4 基于多層感知回歸模型的miRNA疾病關(guān)系預(yù)測算法
    4.1 概述
    4.2 基于多層感知模型的miRNA疾病關(guān)系預(yù)測算法
        4.2.1 高斯相互作用屬性核相似度
        4.2.2 基于邊擾動(dòng)的邊特征提取方法
        4.2.3 miRNA與疾病關(guān)系預(yù)測算法EPMDA
    4.3 實(shí)驗(yàn)結(jié)果分析
        4.3.1 人類miRNA與疾病關(guān)系數(shù)據(jù)
        4.3.2 交叉驗(yàn)證方法
        4.3.3 參數(shù)l的選擇
        4.3.4 EPMDA算法與其他算法的性能對(duì)比
        4.3.5 時(shí)間復(fù)雜度分析
    4.4 基于miRNA的腎癌生物標(biāo)記物
    4.5 小結(jié)
5 基于自編碼器的黑色素細(xì)胞瘤預(yù)后標(biāo)記物識(shí)別算法
    5.1 概述
    5.2 基于自編碼器的黑色素細(xì)胞瘤基因簽名檢測算法
        5.2.1 數(shù)據(jù)預(yù)處理
        5.2.2 自動(dòng)編碼機(jī)進(jìn)行特征提取
        5.2.3 基于自編碼器的預(yù)后標(biāo)記物識(shí)別算法
    5.3 結(jié)果分析
        5.3.1 數(shù)據(jù)集
        5.3.2 基于自編碼器與基于PCA的預(yù)后標(biāo)記物的生存分析對(duì)比
        5.3.3 預(yù)后標(biāo)記物S_H和S_L的生物意義
        5.3.4 標(biāo)記物S_H和S_L預(yù)測轉(zhuǎn)移性黑色素細(xì)胞瘤病人預(yù)后
        5.3.5 標(biāo)記物S_H可以預(yù)測Ⅲ期病人的預(yù)后
        5.3.6 結(jié)合S_H和S_L能提高臨床信息對(duì)病人預(yù)后的預(yù)測性能
        5.3.7 標(biāo)記物S_H和S_L可以預(yù)測藥物反應(yīng)
    5.4 小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 下一步工作與展望
參考文獻(xiàn)
附錄 A 四個(gè)新預(yù)測蛋白質(zhì)模塊的GO分析結(jié)果
作者簡歷及攻讀博士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]蛋白質(zhì)相互作用網(wǎng)絡(luò)功能模塊檢測的研究綜述[J]. 冀俊忠,劉志軍,劉紅欣,劉椿年.  自動(dòng)化學(xué)報(bào). 2014(04)



本文編號(hào)：3172067