基于本體與基因網(wǎng)絡(luò)的致病基因預(yù)測(cè)研究.pdf

1、隨著人類基因組計(jì)劃的順利完成，出現(xiàn)了許多高通量技術(shù)預(yù)測(cè)基因功能的方法，但是從這些方法產(chǎn)生的大量的候選基因集合中檢測(cè)致病基因仍是一個(gè)十分艱巨的挑戰(zhàn)，如果直接使用生物學(xué)實(shí)驗(yàn)驗(yàn)證則需要消耗大量人力物力。隨著數(shù)據(jù)的積累，人們逐漸發(fā)現(xiàn)致病基因具有模塊性，功能相同或者相似的基因編碼的蛋白質(zhì)，在蛋白質(zhì)相互作用網(wǎng)絡(luò)中相互靠近。利用已被證實(shí)的疾病和基因的關(guān)系，使用計(jì)算方法來(lái)預(yù)測(cè)候選致病基因通常能起到很好的效果，如計(jì)算候選基因和已知致病基因集合中的基因的相

2、似性，然后根據(jù)相似性排名對(duì)候選基因進(jìn)行排序，從而使生物學(xué)實(shí)驗(yàn)有針對(duì)的對(duì)基因進(jìn)行實(shí)驗(yàn)驗(yàn)證，降低檢測(cè)成本。
　　本文主要以生物醫(yī)學(xué)本體為中心，整合了九種不同生物醫(yī)學(xué)數(shù)據(jù)庫(kù)，構(gòu)建了由78786個(gè)生物學(xué)實(shí)體或概念組成的一個(gè)雙層異構(gòu)網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)中包含本體術(shù)語(yǔ)之間的105875條有向邊，以及術(shù)語(yǔ)到基因，基因和基因之間組成的398642條無(wú)向邊。在構(gòu)建網(wǎng)絡(luò)時(shí)，使用超級(jí)敘詞表等映射工具對(duì)九種數(shù)據(jù)庫(kù)中不同類型的標(biāo)識(shí)進(jìn)行轉(zhuǎn)換和去冗余；設(shè)計(jì)了一套整合

3、不同關(guān)系證據(jù)類型的方案，根據(jù)邊的關(guān)系證據(jù)集合的不同，為每條邊賦予了不同的權(quán)值，最終構(gòu)建的網(wǎng)絡(luò)為帶權(quán)的雙層異構(gòu)網(wǎng)絡(luò)。依據(jù)網(wǎng)絡(luò)中邊的端點(diǎn)的不同，將邊分為了七個(gè)大類，并驗(yàn)證了每一類的權(quán)值改變對(duì)基因預(yù)測(cè)最終的效果有直接影響，為每大類屬于的邊設(shè)置了一個(gè)特征向量，使用有監(jiān)督的隨機(jī)游走訓(xùn)練每個(gè)大類的特征權(quán)值，使得組合的權(quán)值能夠更準(zhǔn)確的進(jìn)行致病基因預(yù)測(cè)，同時(shí)基于有監(jiān)督隨機(jī)游走算法，提出了拉普拉斯正規(guī)化的有監(jiān)督隨機(jī)游走，并在多次試驗(yàn)后驗(yàn)證了正規(guī)化的有監(jiān)督