自人類基因組計劃開始以來,新的組學(xué)數(shù)據(jù)測定技術(shù)不斷涌現(xiàn),生命科學(xué)進(jìn)入了多組學(xué)的時代。與僅使用單一組學(xué)數(shù)據(jù)的方法相比,整合多組學(xué)數(shù)據(jù)可以彌補任何單一組學(xué)中缺失或不可靠的信息,并通過多個證據(jù)來源降低假陽性。用于整合多組學(xué)或多維度生物醫(yī)學(xué)數(shù)據(jù)的新算法成為多組學(xué)研究不可或缺的關(guān)鍵技術(shù)。此外,各種維度藥物信息學(xué)數(shù)據(jù)的積累為藥物研發(fā)特別是藥物重定位帶來了新的機(jī)遇,然而,目前大多數(shù)算法仍然僅使用單一維度的數(shù)據(jù)實現(xiàn)藥物重定位預(yù)測,整合多維藥物信息進(jìn)行精確的藥物重定位仍然面臨挑戰(zhàn)。本研究首先提出了一種基于在異質(zhì)網(wǎng)絡(luò)上重啟隨機(jī)游走的多組學(xué)數(shù)據(jù)整合算法,用于整合基于不同組學(xué)數(shù)據(jù)構(gòu)建的相似性網(wǎng)絡(luò)。該方法包含兩個主要步驟:（1）構(gòu)建每個組學(xué)數(shù)據(jù)的相似性網(wǎng)絡(luò),然后通過連接多個相似性網(wǎng)絡(luò)的相應(yīng)樣本構(gòu)建異質(zhì)網(wǎng)絡(luò);（2）在異質(zhì)網(wǎng)絡(luò)上進(jìn)行重啟隨機(jī)游走。經(jīng)過多次迭代之后,得到穩(wěn)態(tài)概率分布。利用穩(wěn)態(tài)概率分布將多個相似性網(wǎng)絡(luò)整合為一個相似性網(wǎng)絡(luò)。本研究將算法應(yīng)用于TCGA癌癥數(shù)據(jù),整合了三種類型的組學(xué)數(shù)據(jù),并進(jìn)行了聚類分析以辨識癌癥亞型。實驗結(jié)果表明,本研究提出的算法在性能上優(yōu)于已有的方法。本研究所辨識的癌癥亞型結(jié)果為臨床應(yīng)用... 

【文章來源】：軍事科學(xué)院北京市

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【文章目錄】：
縮略語表
摘要
Abstract
前言
    0.1 論文的研究背景
        0.1.1 多組學(xué)數(shù)據(jù)整合分析快速發(fā)展
        0.1.2 多維藥物信息學(xué)數(shù)據(jù)的積累為藥物重定位帶來機(jī)遇
        0.1.3 藥-靶-病關(guān)聯(lián)關(guān)系預(yù)測有助于實現(xiàn)精準(zhǔn)藥物重定位
    0.2 論文的組織結(jié)構(gòu)
    0.3 論文的創(chuàng)新點
第一章 基于異質(zhì)網(wǎng)絡(luò)重啟隨機(jī)游走的多組學(xué)數(shù)據(jù)整合算法
    1.1 研究背景
    1.2 數(shù)據(jù)來源及預(yù)處理
    1.3 算法介紹
        1.3.1 評估指標(biāo)
        1.3.2 RWRI算法
        1.3.3 RWRNI算法
        1.3.4 算法的收斂性與參數(shù)選擇
        1.3.5 聚類方法
    1.4 算法性能分析
        1.4.1 算法框架概覽
        1.4.2 算法抗噪能力
        1.4.3 算法性能
    1.5 案例研究
    1.6 討論與小結(jié)
第二章 面向藥物重定位的多維度數(shù)據(jù)整合計算框架及其應(yīng)用
    2.1 研究背景
    2.2 數(shù)據(jù)與方法
        2.2.1 藥物重定位框架概覽
        2.2.2 數(shù)據(jù)來源
        2.2.3 藥物相似性度量
        2.2.4 相似性網(wǎng)絡(luò)融合算法
        2.2.5 聚類有效性指標(biāo)
        2.2.6 評估指標(biāo)
        2.2.7 對比方法
        2.2.8 數(shù)據(jù)貢獻(xiàn)度評估
        2.2.9 統(tǒng)計分析方法
    2.3 藥物重定位框架的構(gòu)建與應(yīng)用
        2.3.1 整合藥物相似性網(wǎng)絡(luò)的構(gòu)建及基于PIMD框架的全局分析
        2.3.2 與其他方法的對比
        2.3.3 基于整合藥物相似性網(wǎng)絡(luò)進(jìn)行藥物重定位
        2.3.4 整合藥物相似性網(wǎng)絡(luò)的社團(tuán)分析
    2.4 藥物重定位案例研究
    2.5 討論與小結(jié)
第三章 基于多維度數(shù)據(jù)整合的藥-靶-病關(guān)聯(lián)關(guān)系預(yù)測計算框架
    3.1 研究背景
    3.2 數(shù)據(jù)與方法
        3.2.1 數(shù)據(jù)來源及預(yù)處理
        3.2.2 三元關(guān)聯(lián)預(yù)測計算框架
        3.2.3 參數(shù)選擇
    3.3 三元關(guān)聯(lián)預(yù)測計算框架的應(yīng)用
        3.3.1 性能評估
        3.3.2 多維度數(shù)據(jù)整合的優(yōu)越性
        3.3.3 與其他方法的對比
        3.3.4 三元關(guān)聯(lián)預(yù)測結(jié)果與其他數(shù)據(jù)庫的交叉對比
        3.3.5 社團(tuán)分析
    3.4 討論與小結(jié)
第四章 結(jié)論與展望
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果
主要簡歷
致謝



本文編號：3163102