隨著高通量技術(shù)的不斷發(fā)展,實驗過程中產(chǎn)生了大量的全基因組SNP數(shù)據(jù)、蛋白質(zhì)組、表觀基因組、轉(zhuǎn)錄組及代謝產(chǎn)物組等高維多組學(xué)生物醫(yī)學(xué)數(shù)據(jù),這些數(shù)據(jù)具有高維小樣本的特點。海量高維多組學(xué)生物醫(yī)學(xué)數(shù)據(jù)為研究和揭示基因與基因及其產(chǎn)物之間的相互作用關(guān)系提供了機遇。網(wǎng)絡(luò)在數(shù)據(jù)信息挖掘中扮演著重要的角色,基于網(wǎng)絡(luò)的系統(tǒng)生物學(xué)方法已經(jīng)成為研究生物系統(tǒng)復(fù)雜行為的強大工具。本文基于高維多組學(xué)生物醫(yī)學(xué)數(shù)據(jù),建立模型和提出智能優(yōu)化算法,分別從大規(guī)模的基因調(diào)控網(wǎng)絡(luò)和多層調(diào)控網(wǎng)絡(luò)兩個不同的網(wǎng)絡(luò)層次來研究基因之間的調(diào)控機制。因此,本文聚焦基于高維多組學(xué)生物醫(yī)學(xué)數(shù)據(jù)構(gòu)建調(diào)控網(wǎng)絡(luò)方法的研究及對構(gòu)建的調(diào)控網(wǎng)絡(luò)分析,主要研究內(nèi)容包括以下三個方面:1.針對高維時序基因表達數(shù)據(jù),提出了一種基于隨機奇異值分解推斷大規(guī)�；蛘{(diào)控網(wǎng)絡(luò)算法。高維的時序基因表達數(shù)據(jù)具有維數(shù)高、時間點少且?guī)в性肼暤奶攸c,為了解決這一問題,提出了一種基于奇異值分解構(gòu)建大規(guī)�；蛘{(diào)控網(wǎng)絡(luò)算法。首先用常微分方程模型刻畫基因之間的調(diào)控關(guān)系,并將構(gòu)建基因調(diào)控網(wǎng)絡(luò)的問題轉(zhuǎn)化為一個估計模型參數(shù)的優(yōu)化問題。然后,將時序基因表達數(shù)據(jù)與高斯矩陣結(jié)合,可以對數(shù)據(jù)噪聲進行平滑處理,... 

【文章來源】：武漢大學(xué)湖北省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：108 頁

【學(xué)位級別】：博士

【文章目錄】：
論文創(chuàng)新點
摘要
ABSTRACT
1 引言
    1.1 高維、多組學(xué)生物醫(yī)學(xué)數(shù)據(jù)
        1.1.1 高維生物數(shù)據(jù)
        1.1.2 多組學(xué)生物數(shù)據(jù)
    1.2 基因調(diào)控網(wǎng)絡(luò)
        1.2.1 大規(guī)模基因調(diào)控網(wǎng)絡(luò)
        1.2.2 多層調(diào)控網(wǎng)絡(luò)
        1.2.3 網(wǎng)絡(luò)的模塊
    1.3 論文的主要研究內(nèi)容與結(jié)構(gòu)安排
        1.3.1 論文的主要研究內(nèi)容
        1.3.2 論文的結(jié)構(gòu)安排
2 基于隨機奇異值分解構(gòu)建大規(guī)模的基因調(diào)控網(wǎng)絡(luò)
    2.1 隨機奇異值方法
        2.1.1 基因調(diào)控網(wǎng)絡(luò)
        2.1.2 基于奇異值分解的基因調(diào)控網(wǎng)絡(luò)
        2.1.3 基因隨機奇異值分解的大規(guī)�；蛘{(diào)控網(wǎng)絡(luò)
            2.1.3.1 高維數(shù)據(jù)的隨機奇異值分解
            2.1.3.2 IGRSVD算法的迭代過程
    2.2 基因調(diào)控網(wǎng)絡(luò)的評價標準
        2.2.1 常用的評價標準
        2.2.2 改進的評價標準
    2.3 大規(guī)�；蛘{(diào)控網(wǎng)絡(luò)的構(gòu)建及實驗結(jié)果評價
        2.3.1 實驗數(shù)據(jù)
        2.3.2 基于數(shù)據(jù)E.coli，IGRSVD算法與常用算法的比較
        2.3.3 在DREAM數(shù)據(jù)，IGRSVD算法的結(jié)果
    2.4 本章小結(jié)
3 基于滅活呼吸道合胞病毒的轉(zhuǎn)錄組學(xué)數(shù)據(jù)的網(wǎng)絡(luò)構(gòu)建及分析
    3.1 RSV炎癥網(wǎng)絡(luò)的構(gòu)建與模塊的識別
        3.1.1 不同實驗條件的RSV炎癥網(wǎng)絡(luò)的構(gòu)建
        3.1.2 網(wǎng)絡(luò)的模塊識別
        3.1.3 模塊的評價指標
    3.2 呼吸道合胞病毒實驗結(jié)果與分析
        3.2.1 呼吸道合胞病毒數(shù)據(jù)
        3.2.2 挑選差異表達基因
        3.2.3 構(gòu)建的調(diào)控網(wǎng)絡(luò)和識別的模塊
        3.2.4 模塊中基因在不同實驗條件下的網(wǎng)絡(luò)分析
    3.3 本章小結(jié)
4 利用遞歸正則化算法基于整合生物多組學(xué)數(shù)據(jù)構(gòu)建多層調(diào)控網(wǎng)絡(luò)
    4.1 構(gòu)建多層調(diào)控網(wǎng)絡(luò)的遞歸正則化算法
        4.1.1 構(gòu)建多層調(diào)控網(wǎng)絡(luò)
        4.1.2 遞歸正則化算法構(gòu)建多層調(diào)控網(wǎng)絡(luò)
        4.1.3 優(yōu)化多層調(diào)控網(wǎng)絡(luò)的框架
    4.2 多層調(diào)控網(wǎng)絡(luò)的構(gòu)建及評價
        4.2.1 模擬數(shù)據(jù)
            4.2.1.1 模塊化模擬數(shù)據(jù)
            4.2.1.2 高稀疏性模擬數(shù)據(jù)
        4.2.2 生物數(shù)據(jù)
            4.2.2.1 應(yīng)用于E.coli數(shù)據(jù)
            4.2.2.2 應(yīng)用于ATAC-seq和RNA-seq的表皮分化數(shù)據(jù)
    4.3 本章小結(jié)
5 總結(jié)和展望
    5.1 全文總結(jié)
    5.2 進一步研究工作的展望
參考文獻
攻博期間發(fā)表的科研成果目錄
致謝


【參考文獻】：
期刊論文
[1]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.  計算機與應(yīng)用化學(xué). 2016(01)
[2]從單層網(wǎng)絡(luò)到多層網(wǎng)絡(luò)——結(jié)構(gòu)、動力學(xué)和功能[J]. 陸君安.  現(xiàn)代物理知識. 2015(04)
[3]整合分析多組學(xué)數(shù)據(jù)篩選疾病靶點的精準醫(yī)學(xué)策略[J]. 謝兵兵,楊亞東,丁楠,方向東.  遺傳. 2015(07)

博士論文
[1]蛋白質(zhì)相互作用與功能預(yù)測方法研究[D]. 倪青山.國防科學(xué)技術(shù)大學(xué) 2009



本文編號：3636861