基于RNA-seq數(shù)據(jù)的CCA基因共表達網絡的構建和分析.pdf

1、基因共表達網絡是生物網絡的一種，由基因作為結點，基因間的相互關系作為邊。它可以用于尋找基因模塊和hub-gene從而發(fā)現(xiàn)新的致癌基因、癌癥亞型等?，F(xiàn)有的大多數(shù)構建方法使用基因表達譜數(shù)據(jù)計算基因之間的關系，然而隨著第二代測序技術的發(fā)展，人們可以得到比基因表達譜更細粒度的數(shù)據(jù)：基因所包含的外顯子的表達值，也就是RNA-seq數(shù)據(jù)。這就要求我們使用新的方法構建基因共表達網絡，典型相關分析 CCA就是其中一種。CCA方法將一個基因看為多個外顯子

2、組成的向量而不是一維數(shù)值，構建的網絡更為精確。在CCA算法的基礎上，本文增加了數(shù)據(jù)預處理部分并對基因共表達網絡的分析方法提出了改進。
　　數(shù)據(jù)預處理部分使用了多種方法在不同維度對數(shù)據(jù)進行了歸一化，并且使用T檢驗、Wilcoxon秩和檢驗和K-S檢驗篩選出normal組和tumor組之間表達顯著的外顯子，減少計算量并提高數(shù)據(jù)質量。在共表達網絡的分析中，將基因共表達網絡用于尋找顯著 pathway：使用 normal組和tumor組的

3、共表達網絡計算pathway之間的共性分類相關關系CPCC，該值越小說明pathway越顯著。
　　為了證明分析方法的有效性，使用乳腺癌RNA-seq數(shù)據(jù)構建基因共表達網絡，對top20 pathway的顯著性進行論證。在這20個pathway中，有12個pathway可以找出與乳腺癌相關聯(lián)的文獻，對這些pathway包含的基因進行層次聚類，結果顯示normal樣本和tumor樣本被分的很開。此外，這些pathway的CPCC在隨