基于高通量組學數(shù)據(jù)的癌癥驅(qū)動基因和信號通路識別.pdf

1、當今，癌癥被認為是死亡率最高的人類疾病之一。研究者們在研究癌癥臨床診斷之前必須要先理解癌癥的分子機理。高通量測序技術包括第二代測序技術和質(zhì)譜分析技術被廣闊的應用于解決各種生物問題，尤其是人類疾病領域。比如國際癌癥基因組聯(lián)盟(ICGC)和美國政府發(fā)起的癌癥和腫瘤基因圖譜(TCGA)就是影響甚大的兩個癌癥基因組圖譜項目，這些大規(guī)模的基因組學項目為多種癌癥類型提供了大量的基因組學、表觀組學和蛋白質(zhì)組學等數(shù)據(jù)。如何從這些數(shù)據(jù)中找到促進癌癥增殖過

2、程的突變基因和突變通路仍然是一個很大的挑戰(zhàn)。在已有的研究中，原始的篩選方法是在大樣本數(shù)據(jù)中找到那些突變率顯著很高的基因作為候選基因，這樣的篩選不能解決癌癥通路中基因之間強異質(zhì)性的問題。研究者們也逐漸意識到對于多組學數(shù)據(jù)的研究是非常必要的。如在轉(zhuǎn)錄組水平上，檢測已知小RNA和預測新的小RNA都可以通過小RNA測序技術實現(xiàn)，這些小RNA不但可以作為診斷疾病的分子標志物，在用于研究疾病治療手段也有很大潛力。在蛋白質(zhì)組水平上，如與疾病相關的特定

3、蛋白質(zhì)可能通過蛋白質(zhì)組學測定，測定后的數(shù)據(jù)可以作為疾病臨床分期分型的重要參數(shù)。
　　在本文中，第一章介紹了癌癥驅(qū)動基因與通路識別的研究意義以及國內(nèi)外研究的進展。
　　第二章對該領域經(jīng)典的方法以及常用的數(shù)據(jù)集做了一個簡要的概括與匯總。
　　在第三章中，根據(jù)突變通路符合兩種特性—高覆蓋性、強異質(zhì)性，嘗試使用一種基于遺傳算法(GA)的多目標優(yōu)化模型用于解決“最大權重子矩陣”問題，多目標優(yōu)化模型被設計用于權衡兩個特性以用來辨別

4、癌癥過程中期功能性作用的突變通路。為了提高算法的實用性，使得到的結(jié)果更加符合生物意義，在多目標優(yōu)化模型的基礎上繼續(xù)提出了一種結(jié)合基因表達數(shù)據(jù)和突變數(shù)據(jù)的整合模型，通過在生物數(shù)據(jù)的實驗對比算法做出優(yōu)化后，提高了算法性能并對識別結(jié)果做生物學分析。
　　第四章基于多組學數(shù)據(jù)的結(jié)合，在分子網(wǎng)絡框架中，改進了DriverNet算法，通過評估突變在mRNA表達網(wǎng)絡上的影響來識別突變基因。通過引入正常樣本的基因表達數(shù)據(jù)，使得對差異表達的基因篩選