【摘要】：MicroRNAs(miRNAs)是一類由內(nèi)源基因編碼的非編碼蛋白單鏈RNA分子,長度約為20-24個核苷酸。它們廣泛的存在于真核生物中,可引起mRNA的降解或者抑制mRNA的轉(zhuǎn)錄,并在生長周期、細(xì)胞分化、細(xì)胞增殖等多種重要生物過程中扮演著重要的角色。由于臨床及生物實驗在技術(shù)、時間等方面的限制,miRNA的大部分精確功能還處于未知狀態(tài)。因此,利用計算機方法對相關(guān)的生物數(shù)據(jù)進(jìn)行分析,成為研究miRNA的方法之一。目前,許多識別miRNA調(diào)控模塊的計算方法已經(jīng)被提出。這些方法或需要預(yù)先定義模塊的個數(shù);或需要預(yù)先定義的參數(shù)過多,而這些參數(shù)可能難以優(yōu)化;或只從單個分子間關(guān)系的角度進(jìn)行模塊挖掘;或未考慮同一分子家族成員間的關(guān)聯(lián)性�；谏鲜龇治�,本文圍繞著miRNA與mRNA間調(diào)控關(guān)系的模塊性進(jìn)行了研究,提出了兩種miRNA調(diào)控模塊的識別方法,主要工作如下:1.提出一種基于模糊聚類的方法,識別腫瘤相關(guān)的miRNA調(diào)控模塊(MIMPFC)。該方法首先采用Phase-Only Correlation(POC)方法構(gòu)建miRNA-mRNA的交互網(wǎng)絡(luò);然后修改Rough-Fuzzy Clustering(RFC)方法,并利用改進(jìn)后的RFC方法進(jìn)行聚類,得到miRNA類與mRNA類;最后使用Canonical Correlation Analysis(CCA)方法分析每個miRNA類與每個mRNA類之間的關(guān)系,提取相關(guān)性較高的兩個類別組合成一個模塊。MIMPFC方法從miRNA類與mRNA類間的角度進(jìn)行分析,且只根據(jù)miRNA與mRNA基因表達(dá)譜數(shù)據(jù)本身的特性進(jìn)行分析。它以真實的生物關(guān)系為假設(shè)進(jìn)行實驗?zāi)M,且不需要預(yù)先定義調(diào)控模塊的個數(shù),識別過程中出現(xiàn)的參數(shù)可以通過公式計算,實驗結(jié)果不受輸入數(shù)據(jù)集中差異數(shù)據(jù)的干擾。實驗結(jié)果表明,MIMPFC方法挖掘出的調(diào)控模塊在癌癥通路中顯著富集。2.提出一種結(jié)合多類數(shù)據(jù)源的方法,識別腫瘤相關(guān)的miRNA調(diào)控模塊(GIFMRM)。該方法首先利用miRNA與mRNA基因表達(dá)譜及miRNA家族信息構(gòu)建miRNA-miRNA相似性網(wǎng)絡(luò),在該網(wǎng)絡(luò)的基礎(chǔ)上,對miRNA進(jìn)行聚類;然后計算每個mRNA被分配到每個miRNA類的概率,以此概率為依據(jù),將符合閥值的mRNA分配到相應(yīng)的miRNA類中,組成一個模塊。該方法首次考慮同一家族成員間的生物作用關(guān)聯(lián)性對miRNA調(diào)控模塊識別的影響,在這之前未有人把miRNA家族信息作為miRNA調(diào)控網(wǎng)絡(luò)識別的先驗信息。且GIFMRM方法,不再使用聚類的方法分配mRNA,而是采用相關(guān)性概率計算的方法分配mRNA。實驗結(jié)果表明,該識別方法挖掘出的miRNA調(diào)控模塊在癌癥通路中顯著富集。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R73-3
【圖文】：

圖 2.1 當(dāng)前 miRNA-mRNA 調(diào)控關(guān)系識別方法的共同框架[39]表 2.1 miRNA 靶基因預(yù)測算法算法類型 名稱基于規(guī)則驅(qū)動的預(yù)測算法TargetScan miRNAda PITA DIANA-microT RNAhybrid MicroInspector MovingTargets Nucleus基于數(shù)據(jù)驅(qū)動的預(yù)測算法PicTar miTarget mirTarget RNA22 TargetBoost GenMiR3 miRNA 調(diào)控關(guān)系預(yù)測方法研究諸如相關(guān)性分析 回歸分析 貝葉斯參數(shù)學(xué)習(xí)等方法在預(yù)測 miRNA 調(diào)控關(guān)上已經(jīng)取得顯著的成效 這些方法預(yù)測的準(zhǔn)則是：如果 miRNA 調(diào)控一個基因，

碩士學(xué)位論文方法 IRFC 分別對 miRNAs 和 mRNAs 聚類 第三步，從上一步中得的 miRNA 類 mRNA 類中選出其元素個數(shù)小于閾值的類，然后分別計算這些類中的 miRNAs 與每個 miRNA 類的關(guān)系，mRNAs 與每個 mRNA 類的關(guān)聯(lián)系數(shù)，根據(jù)得到的關(guān)聯(lián)系數(shù)，進(jìn)行第二次聚類；（3）第三階段，采用 CCA 計算每個 miRNA 類與每個 mRNA 類的相關(guān)系數(shù)，提取具有高相關(guān)系數(shù)及低 p-value值的 miRNA類和 mRNA類，組合成一個 MMRMs 具體流程如圖 3.1 所示

在公式(3.3)中，Count(C )表示第 j 類中元素的個數(shù)，1 ≤ ≤ 且 后得到的類別數(shù)目 在公式(3.4)中， ( ,Ci)是 與所有類的隸屬度中屬度值 如果 ( , ) ( , )≥ 2， 就屬于 的邊界區(qū)域和 的邊見圖 3.2，RFC 中的概念圖），此時 不屬于任何一個類的下近似，即把來所在的類中刪除；如果 ( , ) ( , ) 2， 就屬于下近似，即 2的計算公式定義如下： 1∑ ( , ) ( , )≠1 ( ( , ) 1) 1∑ ( , ) ≠ ( ( , ) 1),( , ) ∈ ( , ) 1 2∑ ( , ) ( , )≠1 ( ( , ) 1) 2∑ ( , ) ≠ ( ( , ) 2),( , ) ∈ ( , ) 2 ( )表示滿足條件的值的個數(shù)

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 張俊鵬;孫少平;賀建峰;馬磊;;miRNA研究的計算機方法[J];計算機應(yīng)用與軟件;2012年01期

2 袁敏;沈南;唐元家;;B細(xì)胞分化成熟的microRNA研究進(jìn)展[J];現(xiàn)代免疫學(xué);2009年02期

相關(guān)博士學(xué)位論文 前1條

1 徐江鋒;SIN1通過調(diào)控上皮細(xì)胞間質(zhì)轉(zhuǎn)化促進(jìn)肝細(xì)胞癌侵襲轉(zhuǎn)移[D];中南大學(xué);2013年

本文編號：2789226