【摘要】：復(fù)雜疾病致病基因挖掘?qū)τ诹私饧膊〉陌l(fā)病機理和提高醫(yī)學(xué)臨床水平具有重要的意義。生物信息學(xué)作為當(dāng)今生命科學(xué)研究的重要途徑,通過揭示人類基因組及遺傳語言的規(guī)律,挖掘威脅人類健康的各種疾病的致病基因,提高人類對疾病的認識及治療水平。隨著許多高通量實驗技術(shù)手段的不斷發(fā)展和完善,多種類型的隱含著生命本質(zhì)規(guī)律與疾病信息的生物數(shù)據(jù)正迅猛增長,如何利用生物信息學(xué)方法從這些海量數(shù)據(jù)中獲得有用的信息,挖掘出與復(fù)雜疾病相關(guān)的基因已成為具有挑戰(zhàn)意義的新課題�；蛐酒磉_譜檢測技術(shù)是基因組學(xué)研究方法的重要突破,大規(guī)模的基因表達數(shù)據(jù)為基因功能研究提供了新的機遇,促進了復(fù)雜疾病致病基因挖掘、致病基因網(wǎng)絡(luò)關(guān)系及疾病亞型分析的研究進展。各種功能強大的致病基因預(yù)測軟件也為致病基因研究提供了便捷的途徑。 本文研究目的是用生物信息學(xué)方法對基因表達數(shù)據(jù)分析處理,挖掘出隱含在基因表達數(shù)據(jù)中的與疾病相關(guān)的基因,并運用各種致病基因預(yù)測軟件對潛在的致病基因進行排序,得到疾病基因的相關(guān)信息,提高人類對疾病機理的認識。本文的主要工作及創(chuàng)新性成果如下: 1.提出了基于奇異值分解的致病基因挖掘算法LRSVD。針對奇異值分解(SVD)方法中用奇異值方差評估特征模式的不足,提出用Logistic回歸系數(shù)代替方差評估每一個特征模式對分類的作用大小。進一步提出了基因內(nèi)積的定義,建立了特征模式與原始基因表達數(shù)據(jù)之間的線性映射關(guān)系,基因內(nèi)積可用來評估每一條基因的分類能力,根據(jù)基因內(nèi)積的大小對基因排序,選擇對樣本分類能力高的基因。將LRSVD算法應(yīng)用于基因表達數(shù)據(jù),得到了一組分類準確率高的基因子集,這些基因與疾病相關(guān)。 2.提出了基于改進的混沌變異離散粒子群的特征基因選擇算法CMDPSO�；倦x散粒子群算法由于粒子在運動過程中產(chǎn)生惰性而發(fā)生早熟收斂,CMDPSO算法引入了混沌機制和遺傳算法的變異機制,混沌作為一種優(yōu)化機制可用來產(chǎn)生初始粒子,其遍歷性使初始粒子將新的模式不斷引入到搜索空間,并對適應(yīng)度低的粒子進行初始化,利用遺傳算法的變異機制避免粒子陷入局部極值,從而快速得到最優(yōu)解。CMDPSO算法應(yīng)用于基因表達數(shù)據(jù),得到了優(yōu)化的基因子集。 3.提出了基于互信息和最大團的差異共表達致病基因挖掘方法MIClique�；バ畔⒆鳛橄嗨菩远攘亢瘮�(shù)評估基因之間的共表達關(guān)系,得到基因在不同樣本中的互信息值矩陣,選取閾值將互信息矩陣二值化,將不同樣本中的二值化矩陣的元素進行‘與’操作,將得到的矩陣轉(zhuǎn)化為圖的鄰接矩陣;提出了用最大團方法從圖的鄰接矩陣中挖掘具有差異共表達模式的基因模塊,最大團中的頂點代表基因,線代表基因之間的相互作用關(guān)系。MIClique算法避免了窮舉式的基因搜索,能快速挖掘出差異共表達致病基因模塊。對MIClique方法挖掘出的基因模塊,不僅研究單個基因的生物功能,并研究基因共同參與的生物通路及產(chǎn)生共表達模式的生物機制。 4.介紹了目前常用的致病基因預(yù)測軟件,提出了用ENDEAVOUR軟件來預(yù)測基因GAD2是否為肥胖癥致病基因,討論了訓(xùn)練基因和數(shù)據(jù)類型的選擇,并從各生物數(shù)據(jù)庫和生物文獻中挖掘基因GAD2與肥胖癥的相關(guān)性,預(yù)測結(jié)果有利于對其它研究者得出的相互矛盾的結(jié)論作出新的解釋。 最后,對整個論文的工作、研究成果及創(chuàng)新點進行了總結(jié),提出了進一步的研究方向和目標。
[Abstract]:......
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2009
【分類號】：TP311.13;R346

【相似文獻】

相關(guān)期刊論文 前10條

1 王士同;修宇;;基于模型的基因表達聚類分析技術(shù)研究進展[J];江南大學(xué)學(xué)報(自然科學(xué)版);2006年03期

2 張黎;逄渙利;王小虎;王佳;;一種共調(diào)控基因C均值模糊聚類算法[J];計算機工程與應(yīng)用;2010年07期

3 高倩倩;須文波;孫俊;;量子行為粒子群算法在基因聚類中的應(yīng)用[J];計算機工程與應(yīng)用;2010年21期

4 劉云如;蔡立軍;易葉青;;基于G-ICA的組織樣本分類算法[J];計算機工程與應(yīng)用;2010年31期

5 李巧;孔薇;;改進的非負矩陣分解在基因表達數(shù)據(jù)中的應(yīng)用[J];信息技術(shù);2010年12期

6 徐旭東;鄭欣;;基于Struts的基因表達數(shù)據(jù)分析軟件的設(shè)計與實現(xiàn)[J];微電子學(xué)與計算機;2006年S1期

7 王艷;駱嘉偉;楊濤;吳君浩;;基于分段與運算的基因表達數(shù)據(jù)頻繁項集挖掘[J];計算機工程與科學(xué);2006年11期

8 曹暉;席斌;米紅;;一種新聚類算法在基因表達數(shù)據(jù)分析中的應(yīng)用[J];計算機工程與應(yīng)用;2007年18期

9 寇晨艷;郭紅;;基因表達數(shù)據(jù)的頻繁模式挖掘算法[J];福州大學(xué)學(xué)報(自然科學(xué)版);2009年02期

10 朱嫻;馬衛(wèi);;一種基于層次聚類的雙聚類算法[J];微計算機應(yīng)用;2009年05期

相關(guān)會議論文 前10條

1 陳軍;潘艷;唐世星;張吉強;易東;;小腦基因表達數(shù)據(jù)的模糊多尺度聚類分析[A];重慶市預(yù)防醫(yī)學(xué)會2010年論文集[C];2011年

2 楊昆;李建中;王朝坤;徐繼偉;;基因表達數(shù)據(jù)的基于類別樹和SVMs的多類癌癥分類算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 王章輝;趙宇海;王國仁;李源;;一種基于投影聚類的無監(jiān)督表型區(qū)分算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

4 徐旭東;鄭欣;;基于Struts的基因表達數(shù)據(jù)分析軟件的設(shè)計與實現(xiàn)[A];2006年全國開放式分布與并行計算機學(xué)術(shù)會議論文集（三）[C];2006年

5 李鵬;阮曉鋼;;一種預(yù)測多骨髓瘤的神經(jīng)網(wǎng)絡(luò)方法[A];第二十二屆中國控制會議論文集（下）[C];2003年

6 楊波;盧學(xué)春;于力;朱宏麗;范輝;姚善謙;樓方定;;靶向上調(diào)ID4基因表達藥物的生物信息學(xué)預(yù)測、分析和初步驗證[A];第12屆全國實驗血液學(xué)會議論文摘要[C];2009年

7 崔光照;曹祥紅;張華;;基于小波變換的基因表達數(shù)據(jù)去噪聚類分析[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

8 梅楨;申琦;冶保獻;;用于基因表達數(shù)據(jù)模式識別的KNN和SVM集成算法[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

9 張文廣;李金泉;菊林花;賴雙英;;應(yīng)用Affymetrix基因芯片數(shù)據(jù)集開發(fā)基因表達的秩分析方法[A];遺傳學(xué)進步與人口健康高峰論壇論文集[C];2007年

10 盧學(xué)春;楊波;于力;朱宏麗;范輝;姚善謙;樓方定;;靶向上調(diào)ID4基因表達藥物及其抗白血病作用的生物信息學(xué)預(yù)測、分析和驗證[A];中國科協(xié)海峽兩岸學(xué)術(shù)研討會——2008血液腫瘤論壇會議會編[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 張煥萍;面向基因表達數(shù)據(jù)的致病基因挖掘方法研究[D];南京航空航天大學(xué);2009年

2 陸慧娟;基于基因表達數(shù)據(jù)的腫瘤分類算法研究[D];中國礦業(yè)大學(xué);2012年

3 程慧杰;基于模式識別方法的基因表達數(shù)據(jù)分析研究[D];哈爾濱工程大學(xué);2012年

4 蔡瑞初;基因表達數(shù)據(jù)挖掘若干關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2010年

5 陳偉;群體智能算法及其在基因表達數(shù)據(jù)聚類中的應(yīng)用[D];江南大學(xué);2011年

6 王廣云;腫瘤基因芯片表達數(shù)據(jù)分析相關(guān)問題研究[D];國防科學(xué)技術(shù)大學(xué);2009年

7 蔡立軍;基因分類及基因表達數(shù)據(jù)分析方法的研究[D];湖南大學(xué);2007年

8 邱浪波;基因芯片表達數(shù)據(jù)分析相關(guān)問題研究[D];國防科學(xué)技術(shù)大學(xué);2007年

9 繆裕青;關(guān)聯(lián)規(guī)則挖掘及其在基因表達數(shù)據(jù)中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2007年

10 楊錫南;基于基因芯片表達譜的癌癥預(yù)后元分析方法研究[D];東南大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 鄧慶山;聚類分析及其在基因表達數(shù)據(jù)中的應(yīng)用研究[D];華中科技大學(xué);2004年

2 劉月明;基因表達聚類分析方法研究[D];第三軍醫(yī)大學(xué);2001年

3 陳佳妮;基因表達數(shù)據(jù)分析中IGA-FCM聚類算法研究與實現(xiàn)[D];東北林業(yè)大學(xué);2010年

4 周鵬;神經(jīng)網(wǎng)絡(luò)集成算法研究及在基因表達數(shù)據(jù)分析中的應(yīng)用[D];華中科技大學(xué);2004年

5 張禮;尋找差異基因的概率方法研究[D];南京航空航天大學(xué);2010年

6 張彥琦;基因調(diào)控網(wǎng)絡(luò)建立的數(shù)學(xué)模型研究[D];第三軍醫(yī)大學(xué);2003年

7 鄧小燕;譜聚類在基因表達數(shù)據(jù)分析中的應(yīng)用與研究[D];重慶大學(xué);2010年

8 張志國;基于生成樹基因表達數(shù)據(jù)聚類方法分析[D];東北大學(xué);2006年

9 劉楠楠;應(yīng)用于基因表達數(shù)據(jù)的雙聚類算法的研究[D];燕山大學(xué);2011年

10 沈小喬;基因表達數(shù)據(jù)分類算法及其應(yīng)用研究[D];湖南大學(xué);2005年

，

本文編號：2474293