本文關(guān)鍵詞：基于蛋白質(zhì)互作網(wǎng)絡(luò)和轉(zhuǎn)錄共表達(dá)的疾病基因排序方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：本文以人類(lèi)癌癥樣本為例,致力于整合蛋白質(zhì)互作網(wǎng)絡(luò)和芯片表達(dá)數(shù)據(jù)進(jìn)行基因排序方法的研究。首先我們比較了使用疾病特異性與非特異性的基因表達(dá)數(shù)據(jù)在疾病基因排序中的效果,結(jié)果顯示前者的其效果要更好。接著我們使用了三種不同的蛋白質(zhì)互作網(wǎng)絡(luò)的效果,并通過(guò)整合了多次實(shí)驗(yàn)構(gòu)建出癌癥共表達(dá)網(wǎng)絡(luò),分析了各種網(wǎng)絡(luò)在疾病基因排序應(yīng)用中的優(yōu)劣。最后,我們提出了基于整合基因表達(dá)芯片中共表達(dá)、差異化表達(dá)信息以及蛋白質(zhì)互作網(wǎng)絡(luò)進(jìn)行基因排序的新方法Group Rank。由于目前的整合差異化表達(dá)信息和蛋白質(zhì)互作網(wǎng)絡(luò)的排序算法都是基于單個(gè)差異化表達(dá)基因評(píng)分再累加進(jìn)行比較,通過(guò)網(wǎng)絡(luò)擴(kuò)散,與疾病不相關(guān)的基因也可能會(huì)被賦予較高分?jǐn)?shù)。針對(duì)這一缺陷,我們提出了基于共表達(dá)簇的排序方法-GroupRank。GroupRank中,候選基因只有和共表達(dá)簇內(nèi)所有基因都相關(guān)才會(huì)被認(rèn)為是可能的致病基因。根據(jù)癌癥基因排序驗(yàn)證結(jié)果,Group Rank比基于單個(gè)差異化表達(dá)基因評(píng)分的排序算法要更有效。而且通過(guò)對(duì)在GroupRank中貢獻(xiàn)較高的共表達(dá)基因簇進(jìn)行功能富集分析,可能的致病機(jī)理我們發(fā)現(xiàn)這些共表達(dá)簇確實(shí)與相應(yīng)的癌癥有很大關(guān)聯(lián)。顯然這一基于基因簇的方法也可以幫助我們更好地了解疾病發(fā)展中的重要生理、病理過(guò)程。
【關(guān)鍵詞】：基因排序 蛋白質(zhì)互作網(wǎng)絡(luò) 差異化表達(dá) 共表達(dá)
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：R3416;Q811.4
【目錄】：

• 摘要5-6
• ABSTRACT6-12
• 第一章 緒論12-20
• 1.1 疾病與致病基因12-13
• 1.1.1 疾病的分類(lèi)與疾病的網(wǎng)絡(luò)12
• 1.1.2 探索致病基因的方法12-13
• 1.2 基因芯片技術(shù)13-14
• 1.3 基因排序方法14-18
• 1.3.1 基于生物網(wǎng)絡(luò)的基因排序算法16-17
• 1.3.2 基于生物網(wǎng)絡(luò)和基因芯片數(shù)據(jù)整合的基因排序方法17-18
• 1.4 論文研究?jī)?nèi)容18-19
• 1.5 本章總結(jié)19-20
• 第二章 利用疾病特異性與非特異性表達(dá)譜的基因排序比較20-24
• 2.1 材料與方法20-22
• 2.1.1 致病基因20-21
• 2.1.2 芯片數(shù)據(jù)下載和處理21
• 2.1.3 基因排序方法的選擇21
• 2.1.4 交叉驗(yàn)證21-22
• 2.1.5 ROC曲線22
• 2.2 結(jié)果與討論22-23
• 2.3 本章總結(jié)23-24
• 第三章 不同蛋白質(zhì)互作網(wǎng)絡(luò)在疾病基因排序中效果評(píng)估24-28
• 3.1 材料與方法24-26
• 3.1.1 致病基因列表24
• 3.1.2 蛋白質(zhì)互作網(wǎng)絡(luò)24-25
• 3.1.3 Heat Kernel Ranking25
• 3.1.4 效果評(píng)估方法25-26
• 3.2 結(jié)果與討論26
• 3.3 本章總結(jié)26-28
• 第四章 基于基因共表達(dá)信息的排序算法研究28-33
• 4.1 材料與方法28-30
• 4.1.1 訓(xùn)練集與驗(yàn)證28
• 4.1.2 癌癥表達(dá)芯片數(shù)據(jù)集28-29
• 4.1.3 基于共表達(dá)網(wǎng)絡(luò)的基因排序方法29
• 4.1.4 整合基因共表達(dá)和蛋白質(zhì)互作網(wǎng)絡(luò)的排序方法29-30
• 4.2 結(jié)果與討論30-32
• 4.2.1 基于共表達(dá)網(wǎng)絡(luò)的基因排序30
• 4.2.2 整合共表達(dá)信息和蛋白質(zhì)互作網(wǎng)絡(luò)的基因排序30-32
• 4.3 本章小結(jié)32-33
• 第五章 基于生物網(wǎng)絡(luò)與共表達(dá)簇的基因排序（GROUPRANK）33-47
• 5.1 研究方法和材料33-35
• 5.1.1 致病基因和芯片表達(dá)數(shù)據(jù)33
• 5.1.2 蛋白質(zhì)互作網(wǎng)絡(luò)33
• 5.1.3 差異化表達(dá)基因聚類(lèi)33
• 5.1.4 GroupRank概覽33-34
• 5.1.5 效果評(píng)估34-35
• 5.2 結(jié)果和討論35-45
• 5.2.1 GroupRank排序效果評(píng)估35-37
• 5.2.2 與單基因排序方法的比較37-39
• 5.2.3 共表達(dá)基因簇的效果評(píng)估39-41
• 5.2.4 關(guān)鍵共表達(dá)基因簇的分析41-45
• 5.3 本章總結(jié)45-47
• 第六章 結(jié)論與展望47-50
• 6.1 主要結(jié)論47-48
• 6.2 未來(lái)展望48-50
• 參考文獻(xiàn)50-53
• 附錄53-65
• 致謝65-66
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文66

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 楊鎧冰;冀燃;王美琴;張敏;張大保;;基于數(shù)據(jù)融合算法的精神分裂癥易感基因排序及其信號(hào)通路研究[J];北京生物醫(yī)學(xué)工程;2015年02期

2 Wei Lan;Jianxin Wang;Min Li;Wei Peng;Fangxiang Wu;;Computational Approaches for Prioritizing Candidate Disease Genes Based on PPI Networks[J];Tsinghua Science and Technology;2015年05期

  本文關(guān)鍵詞：基于蛋白質(zhì)互作網(wǎng)絡(luò)和轉(zhuǎn)錄共表達(dá)的疾病基因排序方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：392998