MicroRNA識別及其與疾病關(guān)聯(lián)的預(yù)測算法研究.pdf

1、microRNA(miRNA)是一類長度約為22nt(核苷酸)的內(nèi)源非編碼RNA,在動植物許多重要的生命過程中起著關(guān)鍵的調(diào)控作用,并且與腫瘤等多種疾病的發(fā)生發(fā)展密切相關(guān)。生物信息學(xué)在miRNA的研究中起到了重要作用,極大地推動了該領(lǐng)域的迅速發(fā)展。本文主要研究miRNA相關(guān)問題的計(jì)算預(yù)測方法,對miRNA前體分類預(yù)測、miRNA成熟體位置預(yù)測、疾病關(guān)聯(lián)的miRNA預(yù)測等問題進(jìn)行了深入的研究,取得了一些創(chuàng)新成果。主要包括以下四方面的內(nèi)容:<

2、br>　　(1)研究了高效的基于支持向量機(jī)的miRNA前體分類預(yù)測方法。
　　研究miRNA的功能需要先找到miRNA。通過生物實(shí)驗(yàn)識別miRNA的方法是耗時(shí)和昂貴的,并且難于發(fā)現(xiàn)那些表達(dá)量較低或者只在特定組織或發(fā)育階段表達(dá)的miRNA。因此,使用計(jì)算預(yù)測方法篩選可能的miRNA候選集合,可以為生物實(shí)驗(yàn)提供指導(dǎo)和參考,對推動miRNA的識別具有重要意義。本文結(jié)合miRNA前體的特點(diǎn),提出了基于支持向量機(jī)的miRNA前體分類預(yù)測方法

3、。好的特征和正反例(真/假miRNA前體)數(shù)據(jù)集合是建立高效的分類預(yù)測模型的基礎(chǔ)。因此,本文從真/假miRNA前體中提取得到序列相關(guān)特征、結(jié)構(gòu)相關(guān)特征和能量相關(guān)特征。提出了基于遺傳算法的特征選擇方法,選取了有代表性的特征子集。由于植物miRNA前體反例數(shù)據(jù)集的匱乏,本文首次從擬南芥、水稻、大豆的蛋白質(zhì)編碼序列中提取類似莖環(huán)的序列作為假miRNA前體序列,并建立反例數(shù)據(jù)集。針對真/假植物miRNA前體類別不平衡問題,結(jié)合集成學(xué)習(xí)和AdaB

4、oost思想建立了集成分類器PlantMiRNAPred。PlantMiRNAPred分別在擬南芥、水稻、毛果楊、小立碗蘚、苜蓿、高粱、玉米和大豆等8個物種中取得了超過90％的準(zhǔn)確率,對植物miRNA前體的識別研究具有重要價(jià)值。此外,我們還使用人類miRNA前體的數(shù)據(jù)建立了分類模型HumanMiRNAPred,該模型也取得了更高的預(yù)測性能,有助于推動人類miRNA前體的識別研究。
　　(2)研究了準(zhǔn)確的miRNA成熟體位置預(yù)測方法

5、,能夠?yàn)樾骂A(yù)測得到的miRNA前體候選,預(yù)測其中成熟體的位置。
　　基于機(jī)器學(xué)習(xí)的miRNA前體分類預(yù)測方法,通常只能預(yù)測分類新的miRNA前體,無法預(yù)測其中miRNA成熟體的位置。然而,在進(jìn)行后續(xù)生物實(shí)驗(yàn)驗(yàn)證前,通常需要給出其中miRNA成熟體的位置,因此本文提出了基于支持向量機(jī)的miRNA成熟體位置預(yù)測方法。首先將miRNA:miRNA*作為一個整體,以更好的反映miRNA及miRNA*相互結(jié)合的特點(diǎn)。其次,從真/假miRNA

6、:miRNA*中提取特征并選取得到有代表性的特征子集。第三,針對真/假miRNA:miRNA*數(shù)量相差懸殊的問題,提出了兩階段樣本選擇方法,依據(jù)反例樣本(假的miRNA:miRNA*)的分布密度和樣本的預(yù)測誤差,選取有代表性的反例樣本,建立miRNA成熟體位置預(yù)測模型MaturePred。與現(xiàn)有的方法相比,MaturePred取得了更準(zhǔn)確的預(yù)測性能,能夠?yàn)楹罄m(xù)生物實(shí)驗(yàn)提供更可靠的動植物miRNA成熟體候選。
　　(3)結(jié)合miRN

7、A功能相似性的準(zhǔn)確度量,提出基于k個最相似miRNA結(jié)點(diǎn)的疾病關(guān)聯(lián)miRNA預(yù)測算法。
　　miRNA調(diào)控的異常是導(dǎo)致腫瘤等多種疾病的重要原因,因此研究miRNA與疾病的關(guān)聯(lián)對研究發(fā)病機(jī)理是非常重要的。研究表明功能相似的miRNA通常參與相似疾病的過程,即與相似的疾病關(guān)聯(lián),反之亦然。于是可以通過度量與兩個miRNA相關(guān)的兩組疾病間的語義相似性,評估兩個miRNA間功能相似性。本文通過考慮每個疾病術(shù)語的信息含量,進(jìn)一步改進(jìn)了miRN

8、A功能相似性的度量。提出了基于k個最相似的鄰居miRNA結(jié)點(diǎn)的疾病關(guān)聯(lián)miRNA預(yù)測算法HDMP,該方法可以系統(tǒng)的預(yù)測與特定疾病關(guān)聯(lián)的miRNA候選。此外,結(jié)合同屬于一個miRNA家族或miRNA分簇中的miRNA間功能更相似的特點(diǎn),在預(yù)測時(shí)進(jìn)一步考慮miRNA家族和分簇的信息,提出了預(yù)測算法HDMPW。針對18種人類常見的疾病,證實(shí)了HDMP和HDMPW能夠有效預(yù)測疾病關(guān)聯(lián)的miRNA候選。隨著miRNA和疾病關(guān)聯(lián)數(shù)據(jù)的快速增長,HD

9、MP未來可以擴(kuò)展到其它人類疾病的預(yù)測。
　　(4)在建立miRNA功能相似性圖的基礎(chǔ)上,提出基于隨機(jī)游走的疾病關(guān)聯(lián)miRNA預(yù)測算法。
　　在計(jì)算miRNA間功能相似性的基礎(chǔ)上,建立miRNA功能相似性圖。將疾病關(guān)聯(lián)miRNA的預(yù)測問題轉(zhuǎn)換為隨機(jī)游走問題,提出了基于隨機(jī)游走的預(yù)測算法HDMPR。與HDMP和HDMPW不同的是,HDMPR在預(yù)測時(shí)不是考慮了k個最相似鄰居結(jié)點(diǎn)的信息,而且考慮了miRNA功能相似性圖的全局結(jié)構(gòu)信息