基于貝葉斯方法的基因調(diào)控網(wǎng)絡(luò)構(gòu)建.pdf

1、隨著基因芯片技術(shù)的發(fā)展，產(chǎn)生的海量基因表達(dá)數(shù)據(jù)與一定計算方法的結(jié)合可以重構(gòu)基因調(diào)控網(wǎng)絡(luò)。目前已有許多模型應(yīng)用于基因調(diào)控網(wǎng)絡(luò)的構(gòu)建，其中貝葉斯網(wǎng)絡(luò)模型以其堅實的理論基礎(chǔ)、知識結(jié)構(gòu)的自然表述、靈活的推理能力以及高效的決策機制使其應(yīng)用范圍越來越廣泛，已成為構(gòu)建基因調(diào)控網(wǎng)絡(luò)的一種有力工具。
　　使用貝葉斯方法構(gòu)建基因調(diào)控網(wǎng)絡(luò)已經(jīng)確立了許多研究方向，如以信息論為基礎(chǔ)的約束性方法，在基因表達(dá)數(shù)據(jù)中融合先驗知識，無標(biāo)尺網(wǎng)絡(luò)的研究等。其中，使用互

2、信息理論構(gòu)建基因調(diào)控網(wǎng)絡(luò)可以考慮其它基因?qū)Υ嘶虻挠绊?，但它只提供基因的功能特性而沒用提供基因間的因果關(guān)系；在基因中融合先驗知識可以克服基因的稀疏問題但是缺少在基因時序數(shù)據(jù)集中融合先驗知識的實驗比對，所以無法獲得對先驗知識錯誤的敏感度信息。
　　本文在總結(jié)分析貝葉斯方法構(gòu)建基因調(diào)控網(wǎng)絡(luò)研究現(xiàn)狀的基礎(chǔ)上，對以上問題進(jìn)行了改進(jìn)，主要完成了以下工作：
　　1.在基于條件互信息的路徑一致性算法PCA-CMI的基礎(chǔ)上，利用節(jié)點拓?fù)渑判?/p>

3、建立了構(gòu)建調(diào)控網(wǎng)絡(luò)的 PCA-CMI-NO算法。為了建立這一算法對圖分裂方法加以改進(jìn)：首先對基因?qū)﹂g的互信息進(jìn)行篩選，然后按貝葉斯得分對子圖排序，根據(jù)子圖順序選取不同子圖中含相同基因?qū)﹂g邊的方向，從而確定基因表達(dá)數(shù)據(jù)中節(jié)點的順序。最后，將節(jié)點拓?fù)渑判蚪Y(jié)果應(yīng)用于 PCA-CMI所構(gòu)建的網(wǎng)絡(luò)，獲得有向網(wǎng)絡(luò)，同時使用條件互信息去除獨立關(guān)系的邊以提高網(wǎng)絡(luò)準(zhǔn)確率；
　　2.利用吉布斯分布方法的能量函數(shù)融合一源生物先驗知識，并將其拓展到多源生

4、物先驗知識的融合上面，并用不同可信度指標(biāo)來減小先驗知識與數(shù)據(jù)不一致的影響，最后分別使用 MCMC算法與爬山算法在時序表達(dá)數(shù)據(jù)上構(gòu)建不同生物源的基因調(diào)控網(wǎng)絡(luò)，獲得了對先驗知識錯誤的敏感度信息；
　　3.第一種方法在DREAM3的10基因和50基因酵母（yeast）上進(jìn)行實驗，第二種方法使用KEGG數(shù)據(jù)庫中選取的14個基因的調(diào)控網(wǎng)絡(luò)（包括3個轉(zhuǎn)錄因子），一組先驗知識為Lee提出的實驗數(shù)據(jù)和另外一組先驗知識是Harbison提出的實驗數(shù)