基于生物分子網(wǎng)絡(luò)分析的疾病基因預(yù)測(cè)算法.pdf

1、疾病影響著人類(lèi)的正常工作及生活，復(fù)雜疾病，以癌癥為代表，更是嚴(yán)重威脅著人類(lèi)的生命安全。對(duì)疾病生物標(biāo)記的研究有助于揭開(kāi)潛在疾病的發(fā)病機(jī)制，并引導(dǎo)個(gè)性化的治療。因此，疾病生物標(biāo)記的研究受到越來(lái)越多的關(guān)注，成為了生物信息學(xué)研究中一個(gè)極其重要的分支。
　　近些年來(lái)，隨著高通量測(cè)序技術(shù)的發(fā)展，各種不同的生物數(shù)據(jù)大量涌現(xiàn)，疾病生物標(biāo)記的研究進(jìn)入了一個(gè)新階段。已知疾病基因，作為已經(jīng)在臨床上被證實(shí)跟疾病相關(guān)的基因，可以作為一種先驗(yàn)知識(shí)來(lái)指導(dǎo)研究。

2、然而目前的大多數(shù)研究方法，只是把已知疾病基因作為對(duì)研究結(jié)果的驗(yàn)證數(shù)據(jù)，而沒(méi)有作為先驗(yàn)知識(shí)去引導(dǎo)疾病生物標(biāo)記的識(shí)別，本文研究中引入了這一數(shù)據(jù)作為先驗(yàn)知識(shí)。另外，大量生物數(shù)據(jù)的積累也推動(dòng)了對(duì)各種計(jì)算方法的研究。在生物假說(shuō)“同一疾病的蛋白質(zhì)互相之間交互多”的基礎(chǔ)上，研究者們通過(guò)在網(wǎng)絡(luò)模型中計(jì)算各基因與已知疾病基因的距離，來(lái)預(yù)測(cè)疾病生物標(biāo)記。這些距離度量方法包括基于最短路徑、基于隨機(jī)游走、擴(kuò)散核等。擴(kuò)散核能根據(jù)疾病網(wǎng)絡(luò)的全局拓?fù)涮匦远攘抗?jié)點(diǎn)之間

3、的距離，具有比較好的效果。本文研究中采用了擴(kuò)散核（diffusion kernel）思想。
　　本文提出了一種以已知疾病基因集合引導(dǎo)的疾病網(wǎng)絡(luò)的構(gòu)建方法，并從構(gòu)建的疾病網(wǎng)絡(luò)中預(yù)測(cè)疾病相關(guān)基因。本文具體的研究思路如下：
　　首先，從三個(gè)公共數(shù)據(jù)庫(kù)中收集針對(duì)某種癌癥的已知疾病基因，對(duì)每種癌癥得到一個(gè)疾病基因集合。針對(duì)本文研究的六種癌癥（肺癌，前列腺癌，乳腺癌，膀胱癌，大腸直腸癌，子宮內(nèi)膜癌），共獲得了六個(gè)基因集合。然后，采用擴(kuò)散

4、核思想在每一個(gè)疾病基因集合基礎(chǔ)上構(gòu)建一個(gè)疾病分子網(wǎng)絡(luò)。擴(kuò)散核在本文中被用來(lái)度量基因之間的相似性，旨在找出與已知疾病基因相似性高的基因，用于構(gòu)建網(wǎng)絡(luò)。最后，采用馬爾科夫聚類(lèi)算法（MCL）在疾病網(wǎng)絡(luò)上進(jìn)行聚類(lèi)，并設(shè)計(jì)了一種按聚類(lèi)模塊為單位的新穎的得分算法對(duì)疾病網(wǎng)絡(luò)中除已知疾病基因以外的基因打分，從中篩選癌癥相關(guān)基因并進(jìn)行了一系列驗(yàn)證。另外，為了說(shuō)明以疾病基因集合為疾病網(wǎng)絡(luò)的初始節(jié)點(diǎn)集合的合理性，我們?cè)?PPI的最大連通圖上比較了疾病基因與非