信號通路相關文獻挖掘與分析方法研究.pdf

1、生物信息學是以計算機為工具對生物信息進行儲存、檢索和分析的科學。隨著生物醫(yī)學文獻的爆炸式增長，運用數(shù)據(jù)挖掘方法從文獻中發(fā)現(xiàn)新知識受到越來越多的學者的關注。生物信息學研究的一個重要應用是開發(fā)信息檢索的工具，對分散在文獻里的有用信息進行系統(tǒng)整理。相對于傳統(tǒng)的文獻檢索方法，這些方法具有速度快、自動化程度高的優(yōu)點，尤其適用于大規(guī)模文獻分析。 信號通路是生物對外界刺激做出反應的物質基礎，幾乎參與所有的細胞生命活動：代謝、分裂、分化、行使功

2、能、凋亡等。近年來，與信號通路有關的研究如火如荼，但是大量的珍貴研究成果散落在海量的生物醫(yī)學文獻中，因此搜集、整理與信號通路有關的信息，對于全面理解生物進行復雜調控的機制具有重要意義。本文主要以信號通路的研究為背景，對蛋白磷酸化和基因轉錄調控這兩個關鍵環(huán)節(jié)的文獻進行搜集整理，并利用獲得的文獻數(shù)據(jù)預測蛋白磷酸化位點、推斷癌癥芯片中的轉錄因子和信號通路，旨在揭示信號通路的磷酸化機制以及信號通路在疾病、特別是癌癥的產(chǎn)生和發(fā)展過程中的作用機制。

3、 本文完成的有特色的研究工作主要包括： 1.基因的表達調控是信號通路中的重要環(huán)節(jié)，是信號通路的輸出結果之一。本文提出了一種采用貝葉斯統(tǒng)計方法挖掘基因轉錄調控—轉錄因子結合位點信息的方法。通過大量統(tǒng)計獲得描述轉錄因子結合位點文獻中的特征單詞，再使用貝葉斯統(tǒng)計的方法對未知類別的文獻打分，根據(jù)分數(shù)判斷一個未知分類的文獻是否描述轉錄因子結合位點。從理論上證明這種方法與傳統(tǒng)的TF/TDF方法是一致的。將該方法與PubMed提供的相

4、關文獻方法結合，可以極大提高數(shù)據(jù)挖掘效率，減少硬件消耗。本文方法能達到91％查全率，45％查準率。與關鍵詞的方法(查全率<83％，查準率<26％)相比性能顯著提高；查全率接近單獨使用相關文獻法(查全率93％，查準率27％)，但查準率提高了不少，能極大提高數(shù)據(jù)挖掘的效率。應用本文的方法，共獲得了61，000篇描述轉錄因子結合位點的文獻。 2.蛋白激酶催化蛋白質磷酸化，在信號轉導中起著信息轉換的作用。本文再次利用貝葉斯統(tǒng)計和相關文獻

5、的方法對蛋白激酶的磷酸化位點數(shù)據(jù)進行搜索，并結合模式識別技術對描述磷酸化位點的句子進行顏色標記。共查找出701篇文獻，352個底物蛋白，498個磷酸化位點。利用這些數(shù)據(jù)與Phospho．Elm中的數(shù)據(jù)，我們提出了一種基于貝葉斯決策的磷酸化位點預測算法PPSP。對多個磷酸激酶家族的測試結果顯示，該方法的預測效果好于目前常用的Scansite、KinasePhos、NetPhosK和GSP方法，而且具有簡單、高效、魯棒性好等優(yōu)點。我們還設計

6、了一個基于此算法的網(wǎng)站(http://bioinformatics．lcd-ustc．org/PPSP)，向國際同行提供在線預測服務。 3.癌癥芯片中的異常信號通路分析對于探究癌癥的機理具有重要的指導作用，本文提出一種新的轉錄因子介導的信號通路分析方法，用來分析腫瘤芯片數(shù)據(jù)，從中推斷異常的轉錄因子和信號通路。轉錄因子的活性通過統(tǒng)計其目標基因的表達來推斷，然后將那些活性異常的轉錄因子映射到KEGG信號通路上。此方法整合了基因表達調