本文選題：DNA甲基化 + 差異甲基化位點(diǎn)��； 參考：《電子科技大學(xué)》2017年碩士論文

【摘要】：DNA甲基化是最重要的表觀遺傳機(jī)制之一,在基因表達(dá)調(diào)控、胚胎發(fā)育、X染色體失活、基因印記以及維持染色質(zhì)結(jié)構(gòu)等生物學(xué)過程中發(fā)揮著重要的作用,并且與許多疾病的致病過程相關(guān)。近年來的大量研究表明,差異甲基化位點(diǎn)與許多疾病有直接關(guān)系,特別是癌癥。因此,識別差異甲基化位點(diǎn)是解剖疾病病因中最關(guān)鍵和最根本的問題之一。本文對多種癌癥進(jìn)行分析,找到每種癌癥對應(yīng)的差異甲基化位點(diǎn),為癌癥早期診斷提供依據(jù),為此本文做了如下工作:1)針對現(xiàn)有統(tǒng)計(jì)假設(shè)檢驗(yàn)方法只是選出在統(tǒng)計(jì)上有顯著差異的位點(diǎn),選出來的位點(diǎn)并不都具有類別區(qū)分特性,本文引入了基于機(jī)器學(xué)習(xí)的特征選擇方法(Elastic Net正則化)。該方法有效解決了假設(shè)檢驗(yàn)方法不能同時(shí)發(fā)現(xiàn)多個(gè)位點(diǎn)對癌癥的組合作用。2)針對在優(yōu)化差異甲基化識別算法過程中發(fā)現(xiàn)選擇出的差異甲基化位點(diǎn)不穩(wěn)定問題,本文提出了基于Elastic Net正則化的集成特征選擇算法。本文選擇了 13種癌癥數(shù)據(jù)來分析算法特征選擇穩(wěn)固性,結(jié)果發(fā)現(xiàn)在兩種特征選擇算法模型分類性能接近的情況下本文算法在特征選擇穩(wěn)固性評價(jià)指標(biāo)(杰卡德指數(shù))上優(yōu)于Elastic Net正則化特征選擇算法。3)在與現(xiàn)有統(tǒng)計(jì)假設(shè)檢驗(yàn)方法的對比中,本文采用在獨(dú)立測試集上測試本文算法選擇出的差異甲基化位點(diǎn)與FastDMA、RnBeads兩種假設(shè)檢驗(yàn)方法得到的差異甲基化位點(diǎn)的類別區(qū)分性能。結(jié)果發(fā)現(xiàn),本文算法在獨(dú)立測試集上正確率高于FastDMA與RnBeads,由此可知本文算法選出的差異甲基化位點(diǎn)的類別區(qū)分性能優(yōu)于兩種假設(shè)檢驗(yàn)方法。4)針對本文選出的差異甲基化位點(diǎn)是否有實(shí)際的生物意義,本文采用了對多種癌癥做癌癥共性分析。本文將癌癥共有差異甲基化位點(diǎn)對應(yīng)到基因上,得到38個(gè)共有差異基因,查閱文獻(xiàn)發(fā)現(xiàn)有23個(gè)共有差異基因跟癌癥有密切關(guān)系。本文進(jìn)行pathway分析時(shí),發(fā)現(xiàn)共有代謝通路有11個(gè),其中9個(gè)和癌癥有直接關(guān)系。這說明本文找到的差異甲基化位點(diǎn)能為生物學(xué)家提供有效參考。
[Abstract]:DNA methylation is one of the most important epigenetic mechanisms. It plays an important role in gene expression regulation, embryo development X chromosome inactivation, gene imprinting and maintaining chromatin structure.And related to the pathogenesis of many diseases.A large number of studies in recent years have shown that differential methylation sites are directly related to many diseases, especially cancer.Therefore, the identification of differential methylation sites is one of the most critical and fundamental problems in the etiology of anatomical diseases.In this paper, the differential methylation sites for each cancer were found by analyzing various kinds of cancers, which provided the basis for the early diagnosis of cancer.In this paper, the following work has been done: (1) in view of the existing statistical hypothesis testing methods, only the sites with significant statistical differences are selected, and not all of the selected loci have the characteristics of category differentiation.In this paper, an Elastic Net regularization method based on machine learning is introduced.This method effectively solves the problem that the hypothesis test method can not find the combination action of multiple sites on cancer at the same time. 2) in the process of optimizing the differential methylation identification algorithm, we can find the instability of the selected differential methylation sites.This paper presents an ensemble feature selection algorithm based on Elastic Net regularization.In this paper, 13 kinds of cancer data are selected to analyze the stability of algorithm feature selection.The results show that the proposed algorithm is better than Elastic Net regularization feature selection algorithm. 3 on the evaluation index of feature selection stability (Jekard exponent) under the condition that the classification performance of the two feature selection algorithms is similar to that of the existing statistical false.In the comparison of test methods,In this paper, the differential methylation sites selected by our algorithm and the differential methylation sites obtained by FastDMA-RnBeads are tested on an independent test set.And it turns out,The accuracy of this algorithm on the independent test set is higher than that of FastDMA and RnBeads.The classification performance of the differential methylation sites selected by this algorithm is better than that of the two hypothetical test methods .4The differential methylation sites selected in this paper are as follows:Whether it has practical biological significance,In this paper, the cancer commonness analysis of many kinds of cancer is adopted.In this paper, 38 common differential genes were obtained by mapping the common differential methylation sites of cancer to genes, and 23 common differential genes were found to be closely related to cancer.Pathway analysis showed that there were 11 metabolic pathways, 9 of which were directly related to cancer.This indicates that the differential methylation sites found in this paper can provide effective reference for biologists.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R73-3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 南重漢;鄒凌云;;基于分組重量編碼和特征選擇技術(shù)預(yù)測外膜蛋白[J];第三軍醫(yī)大學(xué)學(xué)報(bào);2013年13期

2 何蘭;范繼紅;;基因芯片數(shù)據(jù)特征選擇法研究[J];醫(yī)學(xué)信息學(xué)雜志;2012年10期

3 張曉云;蔣偉文;;全基因組甲基化研究進(jìn)展[J];臨床口腔醫(yī)學(xué)雜志;2013年10期

4 陳亞軍;文格波;;蛋白質(zhì)精氨酸甲基轉(zhuǎn)移酶的研究進(jìn)展[J];國際病理科學(xué)與臨床雜志;2008年06期

5 安健;明樹紅;;抑癌基因甲基化與肺癌的診斷和治療[J];醫(yī)學(xué)綜述;2008年21期

6 吳紅霞;吳悅;劉宗田;雷州;;基于Relief和SVM-RFE的組合式SNP特征選擇[J];計(jì)算機(jī)應(yīng)用研究;2012年06期

7 張亮;肺癌與抑癌基因甲基化關(guān)系的研究進(jìn)展[J];臨床與實(shí)驗(yàn)病理學(xué)雜志;2003年02期

8 張志勇;李春宏;仇小強(qiáng);農(nóng)清清;何敏;覃健;蔣貴發(fā);黃明立;;廣西長壽地區(qū)人群白細(xì)胞DNA總體甲基化水平研究[J];中國老年學(xué)雜志;2009年12期

9 邵歡;李國正;劉國萍;王憶勤;;多標(biāo)記中醫(yī)問診數(shù)據(jù)的癥狀選擇[J];中國科學(xué):信息科學(xué);2011年11期

10 楊立才;李金亮;姚玉翠;吳曉晴;;基于F-score特征選擇和支持向量機(jī)的P300識別算法[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年01期

相關(guān)會(huì)議論文 前10條

1 靖紅芳;王斌;楊雅輝;;基于類別分布的特征選擇框架[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

2 李長升;盧漢清;;排序?qū)W習(xí)模型中的特征選擇[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

3 劉功申;李建華;李生紅;;基于類信息的特征選擇和加權(quán)方法[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2004年

4 蘇改秀;權(quán)力;吳鳳岐;黃小蘭;;兒童系統(tǒng)性紅斑狼瘡基因組甲基化水平的研究[A];中華醫(yī)學(xué)會(huì)第十七次全國兒科學(xué)術(shù)大會(huì)論文匯編（上冊）[C];2012年

5 秦海紅;朱小華;梁俊;吳金峰;楊永生;王上上;施偉民;徐金華;;microRNA-29b對T細(xì)胞DNA甲基化的調(diào)控在SLE發(fā)病中的作用研究[A];2013全國中西醫(yī)結(jié)合皮膚性病學(xué)術(shù)年會(huì)論文匯編[C];2013年

6 倪友平;王思臣;馬桂珍;陳曾平;;分支界定算法在低分辨雷達(dá)飛機(jī)架次判別中的應(yīng)用[A];第十三屆全國信號處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

7 李澤輝;聶生東;陳兆學(xué);;應(yīng)用多類SVM分割MR腦圖像特征選擇與優(yōu)化的實(shí)驗(yàn)研究[A];中國儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

8 朱小華;徐金華;;UVB暴露對SLE患者DNA甲基化的影響[A];中華醫(yī)學(xué)會(huì)第十八次全國皮膚性病學(xué)術(shù)年會(huì)論文匯編[C];2012年

9 蒙新泛;王厚峰;;主客觀識別中的上下文因素的研究[A];中國計(jì)算機(jī)語言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

10 朱小華;徐金華;;UVB暴露對SLE患者DNA甲基化的影響[A];2012全國中西醫(yī)結(jié)合皮膚性病學(xué)術(shù)會(huì)議論文匯編[C];2012年

相關(guān)博士學(xué)位論文 前10條

1 李靜;高維數(shù)據(jù)交互特征選擇和分類研究[D];燕山大學(xué);2015年

2 劉風(fēng);基于磁共振成像的多變量模式分析方法學(xué)與應(yīng)用研究[D];電子科技大學(xué);2014年

3 王石平;粗糙擬陣及其在高維數(shù)據(jù)降維中的應(yīng)用研究[D];電子科技大學(xué);2014年

4 代琨;基于支持向量機(jī)的網(wǎng)絡(luò)數(shù)據(jù)特征選擇技術(shù)研究[D];解放軍信息工程大學(xué);2013年

5 王愛國;微陣列基因表達(dá)數(shù)據(jù)的特征分析方法研究[D];合肥工業(yè)大學(xué);2015年

6 楊峻山;生物組學(xué)數(shù)據(jù)的集成特征選擇研究[D];深圳大學(xué);2017年

7 王博;文本分類中特征選擇技術(shù)的研究[D];國防科學(xué)技術(shù)大學(xué);2009年

8 張明錦;基于特征選擇的多變量數(shù)據(jù)分析方法及其在譜學(xué)研究中的應(yīng)用[D];華東理工大學(xué);2011年

9 高青斌;蛋白質(zhì)亞細(xì)胞定位預(yù)測相關(guān)問題研究[D];國防科學(xué)技術(shù)大學(xué);2006年

10 馮國忠;文本分類中的貝葉斯特征選擇[D];東北師范大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 宋應(yīng);差異甲基化位點(diǎn)識別算法的對比研究與優(yōu)化[D];電子科技大學(xué);2017年

2 周瑞;基于支持向量機(jī)特征選擇的移動(dòng)通信網(wǎng)絡(luò)問題分析[D];華南理工大學(xué);2015年

3 張金蕾;蛋白質(zhì)SUMO化修飾位點(diǎn)預(yù)測的數(shù)據(jù)挖掘技術(shù)研究[D];西北農(nóng)林科技大學(xué);2015年

4 陳云風(fēng);基于聚類集成技術(shù)的高鐵信號故障診斷研究[D];西南交通大學(xué);2015年

5 張斌斌;網(wǎng)絡(luò)股評的傾向性分析[D];中央民族大學(xué);2015年

6 季金勝;高分辨率遙感影像典型地物目標(biāo)的特征選擇及其穩(wěn)定性研究[D];上海交通大學(xué);2015年

7 袁玉錄;基于數(shù)據(jù)分類的網(wǎng)絡(luò)通信行為建模方法研究[D];電子科技大學(xué);2015年

8 王虎;基于試驗(yàn)設(shè)計(jì)的白酒譜圖特征選擇及支持向量機(jī)參數(shù)優(yōu)化研究[D];南京財(cái)經(jīng)大學(xué);2015年

9 王維智;基于特征提取和特征選擇的級聯(lián)深度學(xué)習(xí)模型研究[D];哈爾濱工業(yè)大學(xué);2015年

10 皮陽;基于聲音的生物種群識別[D];電子科技大學(xué);2015年

，

本文編號：1732376