基于模塊歸一化及自適應跳轉隨機游走的疾病基因預測.pdf

1、隨著生物學技術的迅猛發(fā)展，生物數(shù)據(jù)正在以幾何數(shù)量級的速度增長。利用已知的生物網(wǎng)絡和多源生物數(shù)據(jù)找到致病基因，對于了解疾病的發(fā)病機制、研發(fā)新型藥物、制定精準醫(yī)療方案等都起到重要的促進作用。本文基于生物相互作用網(wǎng)絡通過模塊歸一化及自適應跳轉隨機游走方法對致病基因進行預測，主要的研究工作和貢獻如下:
　　第一，當前大部分基于模塊的疾病基因預測方法都是根據(jù)已知的模塊或guilt-by-association假設進行預測，但這些方法往往忽略

2、了致病基因在具體網(wǎng)絡中的拓撲特性，并且沒有考慮對網(wǎng)絡中孤立節(jié)點的處理。針對以上問題，本文提出了一種基于模塊歸一化和表型本體的疾病基因預測方法(NMP)。首先，本文根據(jù)最新的疾病、基因表型本體數(shù)據(jù)對疾病和基因之間的相似度進行定義。然后，基于致病基因的模塊聚集特性，本文將候選基因所處模塊進行表型歸一化處理作為候選基因的權重。最后，通過留一交叉驗證和文獻查找對NMP方法的有效性進行驗證。實驗結果表明，NMP方法優(yōu)于傳統(tǒng)的NetRank、Net

3、Score、NetZcore、Flow、RWR和最新的NDRC方法。
　　第二，當前尚不存在完整的蛋白質相互作用網(wǎng)絡并且存在許多假陰性和假陽性數(shù)據(jù)，僅通過單個網(wǎng)絡已很難提高預測致病基因的精度。研究表明，功能相關的多個基因發(fā)生突變往往會產(chǎn)生相似的表現(xiàn)型，因此將表型和蛋白質數(shù)據(jù)進行融合能夠彌補已有數(shù)據(jù)的不足，提高預測的準確度。已有的基于異構網(wǎng)絡的隨機游走算法雖然取得了不錯的預測效果，但是需要對跳轉概率進行多次調整，不具有普適性。本文提