針對疾病表型、基因調控、藥物相互作用等生物、生化過程的網絡性質,本文利用網絡傳播法和關聯挖掘法,探討了疾病-基因關聯預測、疾病-microRNA(miRNA)關聯預測、藥物相互反應預測,以及中醫(yī)與胰腺對應的概念等。確定疾病的相關基因是醫(yī)學研究的重要內容。疾病表型的相似性可以反映其在分子水平上的聯系,因此表型比較也被用來預測疾病的候選基因。在線孟德爾遺傳(Online Mendelian Inheritance in Man,OMIM)是人類遺傳病和相關基因的權威數據庫,其中疾病的表型是用自由文本來描述的,因此,在比較疾病的表型之前需要將其標準化。研究者既往已采用不同的標準化方法,構建了若干疾病的表型網絡,其中兩個網絡對于表型相似性的分析尤其重要:一個是最常用的網絡mimMiner,通過醫(yī)學主題詞進行標準化,而另一個網絡resnikHPO則率先基于人類表型本體論對其進行標準化。本文在蛋白質相互作用網上運用網絡傳播算法PRINCE(PRIoritizatioN and Complex Elucidation),通過大規(guī)模的留一交叉驗證實驗,首次對這兩種網絡在基因預測方面的準確性進行了評估。...

【文章頁數】：124 頁

【學位級別】：博士

【部分圖文】：

圖１．１?一個無標度網絡的例子??Ｆｉｇ．?１．１?Ａｎ?ｅｘａｍｐｌｅ?ｆｏｒ?ｓｃａｌｅ－ｆｒｅｅ?ｎｅｔｗｏｒｋ??

網絡研究迅速發(fā)展。統計物理學家把服從冪次分布的現象稱為無標度現象。無標度網絡的特??點是結點之間的連接不是隨機的，有些結點與更多的結點相連，形成樞紐結點（Ｈｕｂ）；而新??結點的加入更傾向于連接樞紐結點，導致所謂“富者更富”的現象。在圖１．１中，藍色的結點??即為樞紐結點。??圖....

圖１．２疾病組的主要構成要素??Ｆｉｇ．?１．２?Ｔｈｅ?ｍａｉｎ?ｃｏｍｐｏｎｅｎｔｓ?ｏｆ?Ｄｉｓｅａｓｏｍｅ??

研宄人員針對疾病也提出了疾病組（Ｄｉｓｅａｓｏｍｅ）?［４＿１７］的概念。??疾病組構建是一個不斷集成新數據的演進過程［１３］，涉及致病的分子因素（基因、蛋白質、??共表達、代謝等）和環(huán)境因素、疾病的表型（Ｐｈｅｎｏｔｙｐｅ）、治療的藥物等多個方面。圖１．２顯??示了疾病組的一些....

圖１．４研宂內容、主要線索及數據庫的關聯??Ｆｉｇ．?１．４?Ｔｈｅ?ａｓｓｏｃｉａｔｉｏｎｓ?ｏｆ?ｒｅｓｅａｒｃｈ?ｃｏｎｔｅｎｔｓ，?ｍａｉｎ?ｃｌｕｅｓ?ａｎｄ?ｄａｔａｂａｓｅｓ??

關聯及藥物相互反應。在本文的最后部分，應用現有數據挖掘平臺與方法，結合中醫(yī)理論研??宄了胰腺先天綜合征，拓展了中醫(yī)關于胰腺的概念。??本文研宄內容、主要線索及數據庫的關聯如圖１．４所示。??－６?－??

圖３．１?ＰＭＢＰ預測疾�。恚椋遥危亮鲌D??Ｆｉｇ．?３．１?Ｆｌｏｗ－ｃｈａｒｔ?ｏｆ?ｐｒｅｄｉｃｔｉｎｇ?ｄｉｓｅａｓｅ?ｍｉＲＮＡｓ?ｗｉｔｈ?ＰＭＢＰ??３．?２．?３估標準??

通過剩余的種子集合，預測被移除的關聯；如果疾病必僅與一個ｍｉＲＮＡ關聯，則將此關??聯移除后，通過其他疾病與該疾病的表型相似性，預測是否可以恢復被移除的關聯。??本研宄中，ｍｉＲＮＡ預測分為三步，如圖３．１。??步驟１：提取待預測疾病４與ｍｉＲＮＡ關聯的先驗信息ｙ。??ｒ是一個行....

本文編號：3979005