基于人類表型本體的基因和疾病關聯(lián)關系分析方法研究.pdf

1、下一代基因測序技術加快了基因數(shù)據(jù)產(chǎn)生的速度，如此大的數(shù)據(jù)量，使得如今的難題從測序轉(zhuǎn)向如何有效的利用已經(jīng)產(chǎn)生的基因數(shù)據(jù)。表型是指受基因、環(huán)境等影響而在生物體上表現(xiàn)出來的特征，因而表型和基因以及疾病等有著密切的聯(lián)系?，F(xiàn)如今表型學已經(jīng)是基因和疾病之間的重要紐帶，而對表型的研究已是預測和發(fā)現(xiàn)致病基因的重要手段。目前在基因、表型和疾病之間的關聯(lián)方面的研究方法主要有三種。一個是利用現(xiàn)有的生物醫(yī)學文獻，用文本發(fā)掘等相關技術發(fā)掘生物醫(yī)學實體之間的關系。

2、另外一種是利用已有的關系建立起表型、疾病、蛋白質(zhì)、基因等實體間的網(wǎng)絡，在網(wǎng)絡中發(fā)現(xiàn)新的關系。最后一種是利用本體，如基因本體、表型本體等結(jié)構化的知識系統(tǒng)來計算實體間的相似關系。它們之間各有優(yōu)缺點。研究基于本體的表型相似度計算方法能夠幫助預測病人的致病基因和疾病，充分利用本體的價值。
　　本文主要利用人類表型本體（Human Phenotype Ontology，HPO）作為工具來研究基因和表型之間以及疾病和表型之間的相似性關系，進而

3、預測病人的致病基因和疾病。本文在基于人類表型本體中表型信息量的基礎上結(jié)合本體的有向無環(huán)圖結(jié)構，提出一種基于人類表型本體中通路的相似性計算方法。經(jīng)驗證，該方法在預測致病基因和疾病時，在不同的數(shù)據(jù)集（理想、含噪聲、含不準確以及含噪聲和不準確）上的效果均優(yōu)于其他基于本體的主流方法。例如本文方法在預測致病基因的含噪聲和不準確數(shù)據(jù)集上比第二好的Resnik方法提高了17.3個百分點，在預測疾病的含噪聲和不準確數(shù)據(jù)集上比此方法提高了18.1個百分點

4、。
　　有研究發(fā)現(xiàn)在疾病和基因網(wǎng)絡中，同類的疾病、功能相關的基因在網(wǎng)絡中表現(xiàn)出聚集特征。病人的身上體現(xiàn)出來的表型特征中不可避免的出現(xiàn)一些和該疾病或者致病基因無關的表型（噪聲表型），利用這種聚集特性可以篩選出一個表型集中噪聲表型，可以提高致病基因和疾病預測的準確率。本文構建了表型網(wǎng)絡，在表型網(wǎng)絡中利用PageRank算法尋找中心表型和周邊表型，從而挖掘表型集中的噪聲表型，達到表型去噪的目的。經(jīng)實驗模擬，該方法能很好的發(fā)現(xiàn)噪聲表型（平