基于Granger因果關系的基因調控網絡構建算法.pdf

1、基因芯片技術的應用使得快速獲得大量基因表達數據成為可能，進而為生物信息學研究提供了必需的數據庫，極大地推動了基因數據的研究。細胞的生命活動與細胞內所有基因的表達水平有關，一個基因的表達并不是孤立的，它的表達水平不僅受到其它基因的影響，同時還可能影響其它基因的表達水平，這些基因間的相互調控關系構成了基因調控網絡。同樣地，基因調控網絡是眾多基因復雜調控的體現。對基因調控網絡進行研究能夠幫助我們了解基因與基因之間或者基因及其產物之間的相互關系

2、；對疾病基因調控網絡的分析，可以指導藥物研發(fā)和臨床合理用藥，從而為復雜疾病的診斷與治療提供有價值的信息。所以重構和分析基因調控網絡是十分必要的。傳統的調控網絡構建方法大多是借助各種網絡模型，如布爾網絡模型和貝葉斯網絡模型等等，但這些模型忽略了基因表達數據的時序性特征。
　　本文致力于研究利用時序基因表達數據重構基因調控網絡的算法，并提出基于Granger因果關系的基因調控網絡構建新算法，以展現基因間的因果調控關系。算法的提出基于以

3、下基礎：時序基因表達數據作為一種特殊的時序數據，時序數據的分析處理方法同樣適用于基因表達數據的處理；基因的表達水平是自身表達與基因間相互調控的體現，解讀基因的表達水平可以分析基因間的調控關系。同時， Granger因果關系是分析時序變量因果性的有效工具，可以應用于基因表達水平的分析。本文主要涉及自回歸模型和Granger因果關系等理論知識，我們將由多基因組成的時序基因數據出發(fā)，利用自回歸模型抽取基因前后時間表達值互相依賴的動態(tài)特性，并利