基于基因功能模塊的基因表達(dá)譜數(shù)據(jù)挖掘.pdf

1、應(yīng)用高通量基因芯片技術(shù)，使得我們可以從以往對(duì)單個(gè)基因的局部、片面性研究，上升到對(duì)整個(gè)基因組的全局、系統(tǒng)性的研究層面?；虮磉_(dá)譜數(shù)據(jù)挖掘面臨檢測(cè)數(shù)據(jù)高噪音、維數(shù)災(zāi)難、結(jié)果的生物學(xué)可解釋性差等挑戰(zhàn)。針對(duì)基因表達(dá)譜信息分析領(lǐng)域內(nèi)實(shí)驗(yàn)條件相關(guān)的基因功能類挖掘和基因功能預(yù)測(cè)兩個(gè)問(wèn)題，我們?cè)O(shè)計(jì)了若干新的分析方法，這些新方法為解析基因表達(dá)譜信息中蘊(yùn)藏的細(xì)胞功能機(jī)制和預(yù)測(cè)未知基因的功能提供了有效的生物信息學(xué)分析工具。
　　我們利用基因功能分類體系

2、Gene Ontology(GO)，分別設(shè)計(jì)了基于基因表達(dá)相似性和差異表達(dá)基因富集程度的實(shí)驗(yàn)條件相關(guān)功能類篩選的新方法。利用基因表達(dá)譜數(shù)據(jù)，按 GO基因功能分類體系，將基因模塊化地組織到具有顯著生物學(xué)意義的低維差異表達(dá)功能模塊單元中：（1）構(gòu)造新的指標(biāo)用于分類疾病樣本，從而提出基于功能表達(dá)譜的分析新途徑。新算法對(duì)基因檢測(cè)缺失、基因表達(dá)變異與檢測(cè)誤差具有較強(qiáng)的穩(wěn)健性，并可以顯著地降低特征維數(shù)。采用淋巴瘤數(shù)據(jù)集，比較了基于功能表達(dá)譜和常規(guī)的

3、基因表達(dá)譜的決策樹(shù)分類器。結(jié)果顯示，基于功能表達(dá)譜可以得到高準(zhǔn)確度的疾病樣本分類結(jié)果，能夠直接從功能水平上給出相應(yīng)的生物學(xué)解釋。通過(guò)仿真分析，進(jìn)一步顯示基于功能表達(dá)譜的分類方法具有抗基因檢測(cè)缺失的穩(wěn)健性。（2）基于功能表達(dá)譜對(duì)組織樣本進(jìn)行聚類分析可以顯著降低特征維數(shù)，有效地處理高檢測(cè)誤差與基因表達(dá)變異問(wèn)題。采用NCI60數(shù)據(jù)集，通過(guò)功能表達(dá)譜對(duì)組織樣本進(jìn)行聚類分析，結(jié)果顯示新算法不但得到高準(zhǔn)確度的樣本分型結(jié)果，而且能夠直接從功能水平上給

4、出相應(yīng)的生物學(xué)解釋。(3)特定的疾病狀態(tài)一般僅與少數(shù)基因有比較直接的關(guān)系，而這少數(shù)疾病相關(guān)的基因?qū)?yīng)的基因功能類中應(yīng)該顯著聚集由于疾病狀態(tài)引起的差異表達(dá)的基因。據(jù)此假設(shè)，提出了一種結(jié)合基因功能分類知識(shí)的特征基因選擇與疾病分類方法。在將基因注釋到基因功能分類體系 GO中的功能類后，通過(guò)尋找顯著聚集差異表達(dá)基因的功能類，識(shí)別可能的疾病相關(guān)基因功能類，再根據(jù)差異表達(dá)功能類中的基因表達(dá)譜進(jìn)行疾病分類分析。采用支持向量機(jī)分析了一套淋巴瘤數(shù)據(jù)集，結(jié)

5、果顯示，基于功能特征基因選擇的方法可以顯著降低分析維數(shù)，得到高準(zhǔn)確度的疾病樣本分類結(jié)果，能夠直接從功能水平上給出分類結(jié)果相應(yīng)的生物學(xué)解釋。(4)提出結(jié)合基因功能分類體系GO，進(jìn)一步篩選聚類特征基因的方法。通過(guò)檢驗(yàn)在GO中的每個(gè)功能類中的表達(dá)變異基因是否非隨機(jī)地聚集，尋找疾病相關(guān)功能類，再根據(jù)相關(guān)功能類中的表達(dá)變異基因進(jìn)行聚類分析。實(shí)驗(yàn)結(jié)果顯示：結(jié)合功能體系 GO進(jìn)一步篩選表達(dá)變異基因作為聚類特征基因，可以保持或提高聚類準(zhǔn)確性，并使得聚類

6、結(jié)果具有明確的生物學(xué)意義。另外，發(fā)現(xiàn)了一些可能和淋巴瘤和白血病相關(guān)的基因。(5)利用有限個(gè)實(shí)驗(yàn)條件下的基因表達(dá)譜數(shù)據(jù)，只能對(duì)與實(shí)驗(yàn)條件相關(guān)的基因功能類進(jìn)行有效預(yù)測(cè)，所以有必要限定可預(yù)測(cè)的基因功能類范圍。據(jù)此，我們將基因注釋于基因功能知識(shí)體系 GO后，再選擇富集差異表達(dá)基因的與實(shí)驗(yàn)條件相關(guān)的功能類。通過(guò)支持向量機(jī)分類器，深化預(yù)測(cè)迄今只注釋到實(shí)驗(yàn)條件相關(guān)功能類的父結(jié)點(diǎn)的基因是否屬于該實(shí)驗(yàn)條件相關(guān)功能類。應(yīng)用一套酵母基因表達(dá)譜數(shù)據(jù)，我們分析了

7、按照不同的顯著性水平篩選實(shí)驗(yàn)條件相關(guān)功能類后的預(yù)測(cè)效果。結(jié)果顯示，在剔除了高度不平衡的訓(xùn)練集合后，平均精度與平均召回率分別達(dá)到了71％與47%以上。(6)提出了結(jié)合基因表達(dá)相似性和基因功能類別在GO分類體系中的概念相似性測(cè)度進(jìn)行基因功能預(yù)測(cè)的新方法。與已有的其它基因功能預(yù)測(cè)方法不同，新方法在學(xué)習(xí)過(guò)程中自動(dòng)地從 GO中的各個(gè)功能類中選擇最合適的盡可能具體的功能類，利用注釋于其相近功能類的基因支持預(yù)測(cè)具體的小功能類，并通過(guò)兩種概念相似測(cè)度評(píng)