【摘要】：人類復雜疾病,如癌癥、高血壓、心臟病、糖尿病等,一直是廣大科研人員所關注的熱點和難點。此前的研究已經表明,癌癥等復雜疾病都是由于遺傳與環(huán)境因素共同作用而產生的。這種多因素的復雜關系,給這些疾病的診斷和治療造成了很大的困難。隨著生物學、物理學和計算機科學的發(fā)展,以及生物實驗技術的進步,特別是微陣列芯片技術的廣泛應用,產生了大量高通量生物數據,以及各種類型的“組學”數據,為更加深入的研究和認識復雜疾病的發(fā)生和發(fā)展機制提供了機遇。與主要針對單個基因或蛋白質的傳統(tǒng)生物學研究不同,采用系統(tǒng)生物學的研究方法,可以整合不同層次的數據,通過分析各種生物分子之間的相互作用的動態(tài)變化,幫助我們發(fā)現和認識復雜疾病的特殊規(guī)律。 本文主要從基因表達數據出發(fā),整合生物學通路以及多種不同類型的生物學信息及相關研究成果,對復雜疾病進行了分析研究。通過對癌癥和正常組織兩種不同表型的分析,運用特征選擇、聚類分析、網絡分析等多種技術手段,對癌癥的生物標志物進行了深入研究。主要研究工作包括： (1)提出了一種基于生物學通路的生物標志物預測方法,首先,整合基因表達數據、生物學通路信息和蛋白質相互作用信息,構建生物學通路相互作用網絡；然后,以基因表達數據為基礎,利用支持向量機和特征選擇,挑選與癌癥相關的生物學通路；最后,從生物學通路網絡出發(fā),以分類能力為評價指標,從網絡中找出失調的生物學通路模塊,找到的網絡模塊可以有效的區(qū)分正常與癌癥組織。此外,還通過與其它方法進行比較,并在其它獨立數據集上進行驗證,結果都表明,我們的方法具有很好的魯棒性,并且對找出的癌癥標志物進行生物學分析,發(fā)現從生物學通路角度具有更加清晰的生物學意義。 (2)提出了一種識別與復雜疾病相關的microRNA(miRNA)的計算方法。由于(?)niRNA是一種相對較短的RNA分子,容易受到實驗條件和環(huán)境的影響。因此,我們先根據基因表達數據,對miRNA靶基因進行聚類,通過聚類分析能有效減少靶基因中包含的噪音,再運用支持向量機對靶基因集合進行測試,保留具有一定區(qū)分能力的基因集。另一方面,我們對生物學通路進行了篩選,再將靶基因聚類集合與生物學通路通過富集分析進行關聯,識別出與癌癥相關的(?)niRNA標志物。我們將得到的結果與已有的數據庫進行比對,證明這種方法提高了癌癥miRNA標志物的識別準確性。我們還對找到的(?)miRNA標志物,進行排序,構建了癌癥、miRNA與生物學通路的相互作用網絡,通過網絡分析,能夠幫助我們更清晰的了解miRNA的標靶和它在多種癌癥中的生物學作用。 本文以系統(tǒng)生物學的方法,結合多種“組學”數據,運用機器學習,網絡分析等多種技術對復雜疾病,特別是癌癥進行了研究分析,取得了較好的結果,相關的研究內容和成果,可以加深我們對癌癥這種復雜疾病的認識,促進對癌癥標志物的深入研究,有助于癌癥的診斷和治療藥物的開發(fā)。
[Abstract]:Human complex diseases, such as cancer, hypertension, heart disease, diabetes, etc., have been a hot and difficult point of attention for scientific researchers. Previous studies have shown that complex diseases such as cancer are due to genetic and environmental factors. The complex relationship of these multiple factors has caused great difficulties for the diagnosis and treatment of these diseases. With the development of biology, physics and computer science, as well as the progress of the biotechnology, in particular the wide application of microarray chip technology, a large number of high-throughput biological data and various types of 鈥済roup study鈥，

本文編號：2409798