基于模塊歸一化及自適應(yīng)跳轉(zhuǎn)隨機(jī)游走的疾病基因預(yù)測.pdf

1、隨著生物學(xué)技術(shù)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(luò)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(jī)制、研發(fā)新型藥物、制定精準(zhǔn)醫(yī)療方案等都起到重要的促進(jìn)作用。本文基于生物相互作用網(wǎng)絡(luò)通過模塊歸一化及自適應(yīng)跳轉(zhuǎn)隨機(jī)游走方法對致病基因進(jìn)行預(yù)測，主要的研究工作和貢獻(xiàn)如下:
　　第一，當(dāng)前大部分基于模塊的疾病基因預(yù)測方法都是根據(jù)已知的模塊或guilt-by-association假設(shè)進(jìn)行預(yù)測，但這些方法往往忽略

2、了致病基因在具體網(wǎng)絡(luò)中的拓?fù)涮匦裕⑶覜]有考慮對網(wǎng)絡(luò)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(yù)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(jìn)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(jìn)行表型歸一化處理作為候選基因的權(quán)重。最后，通過留一交叉驗證和文獻(xiàn)查找對NMP方法的有效性進(jìn)行驗證。實驗結(jié)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(dāng)前尚不存在完整的蛋白質(zhì)相互作用網(wǎng)絡(luò)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(luò)已很難提高預(yù)測致病基因的精度。研究表明，功能相關(guān)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(zhì)數(shù)據(jù)進(jìn)行融合能夠彌補(bǔ)已有數(shù)據(jù)的不足，提高預(yù)測的準(zhǔn)確度。已有的基于異構(gòu)網(wǎng)絡(luò)的隨機(jī)游走算法雖然取得了不錯的預(yù)測效果，但是需要對跳轉(zhuǎn)概率進(jìn)行多次調(diào)整，不具有普適性。本文提