疾病表型與基因型關聯是現代生物醫(yī)學研究的核心內容之一。識別疾病表型的致病基因,研究這些基因在疾病發(fā)生發(fā)展過程中的作用機制是生物醫(yī)學基礎研究的主要目標。傳統(tǒng)的致病基因識別方法(如連鎖映射和全基因組關聯分析)主要從實驗角度出發(fā),但是整個生物實驗和數據分析的過程極為耗時耗力。隨著人類全基因組計劃的完成和高通量測序技術的成熟,目前已經積累了海量的生物實驗數據。基于表型和基因型相關的數據,采用計算方法預測致病基因被證明是一種有效的方法。近年來相關研究者陸續(xù)提出了多種性能顯著的疾病表型基因預測方法,但鑒于疾病分子機制的復雜性,仍然存在諸多問題與挑戰(zhàn):(1)基于網絡傳播的預測模型易受到網絡中核心節(jié)點的影響,導致模型偏向于識別出網絡中的核心基因;(2)對于基于嵌入表示的預測方法,充分利用已有的多種異構關系來構建疾病和基因的上下文信息仍是一個難題,同時探索不同的異構網絡對預測性能的影響也至關重要;(3)目前大多數的預測方法會受到相互作用組學數據的不完整性和表型基因型關聯的研究偏向性的影響,導致很難識別出新穎且可靠的候選基因;(4)由于醫(yī)學關系數據的稀疏性和復雜性,設計基于多視圖特征的深度神經網絡模型預測...

【文章頁數】：117 頁

【學位級別】：博士

【部分圖文】：

圖2-1網絡傳播方法的示例圖

陣）；基于多種基因相關的信息，構建了9個基因關系網絡（=()×表示基因網絡的權重矩陣）；基于已有的疾病-基因關系，構建了疾病-基因關系網絡（=()×表示疾病基因網絡的權重矩陣）。然后對四個權重矩陣分別做歸一化操作，可以得到它們的歸一化矩陣，即=()×=(/∑=1)×（若∑=1=0....

圖2-2疾病和基因相關的關系數目概覽Figure2-2Summaryofthenumberofdiseaseandgenerelatedassociations.

北京交通大學博士學位論文18MalaCards和DisGeNet庫中的疾病術語編碼不一致，因此我們將這兩個庫中的疾病術語編碼統(tǒng)一對應到UMLS[114]庫的術語編碼（即CUI）。從DisGeNet和MalaCards中分別獲得的疾病-基因關系僅僅存在5.47%的重疊關系，這樣能夠....

圖3-1D）和融合網絡表示與網絡傳播的預測算法RW-RDGN（圖3-1E）

北京交通大學博士學位論文22LVRSim（圖3-1D）和融合網絡表示與網絡傳播的預測算法RW-RDGN（圖3-1E）。最后，我們使用十重交叉驗證方法對比了不同算法的預測性能，結果表明RW-RDGN方法的預測性能顯著優(yōu)于基線方法。同時，案例分析結果也表明RW-RDGN方法預測到的候....

圖3-2基于不同疾病相似度的疾病重疊分布

北京交通大學博士學位論文30算法的整體性能表現較差（AP<0.3；在TOP@3上，PR<0.4，RE<0.4，F1<0.25），而LVRSim_N算法的性能遠遠好于LVRSim_L（AP>0.5；在TOP@3上，PR>0.6，RE>0.7，F1>0.5）。這表明對于疾病基因預測任....

本文編號：3917175