基于候選基因選擇的調(diào)控網(wǎng)絡(luò)構(gòu)建方法.pdf

1、重構(gòu)基因調(diào)控網(wǎng)絡(luò)是了解生物過程的關(guān)鍵問題，其下游研究可以為藥物定位和精準(zhǔn)醫(yī)療提供有意義的策略。微陣列方法提供了大量基因表達(dá)數(shù)據(jù)，這為重構(gòu)基因調(diào)控網(wǎng)絡(luò)提供了可行的基礎(chǔ)。許多計(jì)算方法諸如聚類，線性規(guī)劃等方法因此被提出來解決此問題，但目前最有效的方法之一是集成路徑一致算法和條件信息熵，因?yàn)闂l件信息熵不僅具有度量非線性相關(guān)的優(yōu)勢(shì)（非線性相關(guān)廣泛出現(xiàn)在生物數(shù)據(jù)中），而且也可以用來區(qū)分直接相關(guān)和間接相關(guān)。PCA-CMI和CMI2NI就是基于上述思想

2、，并被廣泛應(yīng)用于重構(gòu)基因調(diào)控網(wǎng)絡(luò)。然而PCA-CMI和CMI2NI如何選擇合理的條件基因仍然是一個(gè)挑戰(zhàn)，這也直接影響了算法的性能和時(shí)間復(fù)雜度。
　　本文首先從原理上分析了路徑一致性算法，解釋了為何路徑一致性算法結(jié)合條件互信息可以有效的構(gòu)建基因調(diào)控網(wǎng)絡(luò)，并分別從理論上和實(shí)例中分析了目前算法的缺陷?；谏鲜鲅芯拷Y(jié)合生物體頻繁出現(xiàn)的調(diào)控模塊，定義了三種調(diào)控模型：共調(diào)控、間接調(diào)控和混合調(diào)控，并以此來指導(dǎo)條件基因的選擇。求解調(diào)控模式僅需要確

3、認(rèn)上下游而非直接上下游，這解釋了為何找到調(diào)控模型的結(jié)果不能直接用來重構(gòu)網(wǎng)絡(luò)，但這個(gè)結(jié)果恰好符合路徑一致算法的需求。最后，基于候選模型開發(fā)了一個(gè)新的基于候選基因選擇的算法（RPNI）重構(gòu)基因調(diào)控網(wǎng)絡(luò)。為了驗(yàn)證算法的性能，首先將算法應(yīng)用于DREAM競(jìng)賽仿真數(shù)據(jù)，證明了RPNI算法具有更高的準(zhǔn)確率，能在實(shí)例分析中克服現(xiàn)有算法的缺陷，并具有更低時(shí)間損耗，更進(jìn)一步，我們驗(yàn)證了算法在不同噪聲下的表現(xiàn)，模擬了三種常見噪聲，實(shí)驗(yàn)表明RPNI算法在不同類