【摘要】：在不同的疾病狀態(tài)下,基因相關性網(wǎng)絡經(jīng)常發(fā)生變化。了解這些網(wǎng)絡如何在兩種不同疾病狀態(tài)間的重新布局是基因組研究中的一項重要任務。為了實現(xiàn)這一目標,很多差異網(wǎng)絡分析模型被提出,但其中大部分方法都是為某種預先定義的數(shù)據(jù)類型而設計的。隨著高通量技術的發(fā)展,可以從不同視角收集基因活性測量數(shù)據(jù)(例如,mRNA表達和DNA突變)。這些不同類型的數(shù)據(jù)可能享有一些共同的特征,同時也包含這些數(shù)據(jù)類型所特有的屬性。因此,需要新的估計方法來探索不同數(shù)據(jù)類型所對應的差異網(wǎng)絡之間的相似性和特異性。在這項研究中,我們提出了一種新的差異網(wǎng)絡推斷模型。這個模型通過整合基因表達數(shù)據(jù)和基因突變數(shù)據(jù)來識別基因調(diào)控網(wǎng)絡的重新布局,同時采用Group Bridge懲罰函數(shù)來學習不同數(shù)據(jù)類型間的相似性和特異性。模擬研究表明,我們的方法始終優(yōu)于對比方法。我們還將這種差異網(wǎng)絡推斷的方法應用于鉑抗性卵巢癌的基因組學圖譜數(shù)據(jù),并推斷與卵巢癌鉑抗性相關的基因網(wǎng)絡重新布局。這兩種數(shù)據(jù)類型對應的差異網(wǎng)絡含有一些共同的差異邊,同時也含有數(shù)據(jù)類型所特有的差異邊。此外,在卵巢癌鉑抗性的差異網(wǎng)絡中共有的樞紐基因在卵巢癌鉑抗性中起重要作用。
【圖文】：

的方法也可以分為直接估計和間接估計的方法丨３９，邋３６：邋３７，邋３斗由于直接估計的方逡逑法不需要對每個狀態(tài)的參數(shù)矩陣進行稀疏假設，因而經(jīng)常用于突變數(shù)據(jù)的差異網(wǎng)逡逑絡的估計。網(wǎng)絡的兩種類型的推斷方式見圖１。逡逑腫瘤基因組圖譜（Ｔｈｅ邋Ｃａｎｃｅｒ邋Ｇｅｎｏｍｅ邋Ａｔｌａｓ：邋ＴＣＧＡ）是由美國國家癌癥研宄逡逑所（Ｎａｔｉｏｎａｌ邋Ｃａｎｃｅｒ邋Ｉｎｓｔｉｔｕｔｅ）和美國國家人類基因組研究所（Ｎａｔｉｏｎａｌ邋Ｈｕｍａｎ逡逑２逡逑

邐頌士學位論文逡逑ＭＡＳＴＥＲ＇Ｓ邋ＴＨＥＳＩＳ逡逑因ｊ？條件獨立當且僅當％邋＝邋０，見圖２。逡逑＾邋＇邐00＊0＊逡逑基因組學數(shù)據(jù)邐基因網(wǎng)絡邐精度矩陣逡逑圖２：圖模型流程圖：根據(jù)基因組學數(shù)據(jù)可以推斷基因間的相關網(wǎng)絡�；蚓W(wǎng)絡網(wǎng)絡中邊的關系逡逑可以用其對應的參數(shù)矩陣刻畫：若基因ｉ與基因ｊ條件相關即存在邊則＃邋０；若＝邋０則基逡逑因ｉ與基因ｊ條件獨立，沒有對應的邊鏈接這對基因。因此在估計基因網(wǎng)絡結構時，只需要估計逡逑其對應的參數(shù)矩陣（若是高斯分布的數(shù)據(jù)則為精度矩陣的逆）。逡逑２．１．２伊辛模型逡逑假設；…，，；ｇＴ是一個ｐ維的隨機向量，其中■｛－ｉ，ｉ｝。倘若ｘ逡逑的分聯(lián)合分布函數(shù)可以表示為：逡逑１邐Ｐ邐Ｐ逡逑Ｐ｛Ｘ：，ｅ）邋－邐ＸｉＸｊＯｉｊ｝逡逑＾邋Ｊ邐ｉ＝ｌ邐ｉ，ｊ＝ｌ逡逑則稱Ｘ邋＝（不，…，服從伊辛分布。其中Ｘ邋ｅ邋ｘ邋＝邋｛＿１，１｝Ｐ，配分函數(shù)逡逑ｚ⑷＝ＺＺ邋ｘ內(nèi)％｝，ｘ是ｘ所有可能的的集合。對馬爾科夫網(wǎng)逡逑ＸＧｘ邋ｉ＝ｌ邐ｉｊ＝ｌ逡逑絡圖模型而言，如果其對應的分布Ｐ屬于伊辛分布族，則稱圖模型為伊辛模型。逡逑伊辛模型廣泛用于基因突變數(shù)據(jù)
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：Q811.4;R737.31

【相似文獻】

相關期刊論文 前10條

1 ;肥胖可使基因網(wǎng)絡發(fā)生變化而致病[J];中華中醫(yī)藥學刊;2008年05期

2 張治洲;韓瀟;王志偉;王蕓;;攝食低鈉鹽對三高病人局部基因網(wǎng)絡模式的共同影響[J];現(xiàn)代食品科技;2009年01期

3 蘇曉華;劉琦;寧坤;劉成功;;植物功能基因網(wǎng)絡及其應用[J];林業(yè)科學研究;2018年01期

4 童杰;王永吉;;基因電路研究綜述[J];小型微型計算機系統(tǒng);2006年06期

5 孫怡帆;吳夢云;史興杰;;高維大數(shù)據(jù)基因網(wǎng)絡中的社區(qū)發(fā)現(xiàn)——以NC方法為例[J];統(tǒng)計研究;2019年03期

6 王松文;程萌杰;施利利;孫寧;張欣;丁得亮;崔晶;邊嘉賓;;水稻產(chǎn)量基因網(wǎng)絡的初步研究[J];海南師范大學學報(自然科學版);2019年02期

7 汪卉;牟鵬;邱婷;朱懷槿;陳sハ

本文編號：2609941