網(wǎng)絡醫(yī)學中若干關聯(lián)問題的計算分析.pdf

1、隨著人類基因組計劃和許多物種全基因組測序的完成，人類迎來了后基因組時代。在這一時代中，人們希望通過揭示基因及其產物蛋白質的功能，解決與人類健康和疾病相關的醫(yī)學問題。
　　研究表明在生物體內，細胞單元之間通過相互作用而發(fā)揮功能，這些相互作用形成了一個極其復雜的交互網(wǎng)絡。疾病的表現(xiàn)型是復雜交互網(wǎng)絡中各種生理和病理學過程的體現(xiàn)?；诰W(wǎng)絡的研究方法可以加深對細胞交互網(wǎng)、致病基因和疾病通路等的理解。相應地，人們可以研制出更好的藥物以便更有效

2、地治療疾病。研究人員將網(wǎng)絡理論在人類疾病、醫(yī)學及其相關領域的應用研究稱為網(wǎng)絡醫(yī)學。網(wǎng)絡醫(yī)學不僅為系統(tǒng)探究分子水平上疾病的復雜性提供了支持平臺，還可幫助人們發(fā)現(xiàn)致病基因和篩選藥物靶點。
　　網(wǎng)絡醫(yī)學研究領域廣泛。本論文期望采用計算分析的方法來對網(wǎng)絡醫(yī)學中三個亟待解決的關聯(lián)問題進行研究，拓展對疾病的發(fā)病機理、病理過程和治療方法等方面的了解。主要研究工作包括:
　　(1)針對實驗證實的（已標記的）藥物-標靶關系較少、存在大量未知的

3、（未標記的）藥物-標靶關系，我們提出采用半監(jiān)督學習算法來預測藥物-標靶關系。我們從網(wǎng)絡一致性的角度出發(fā)，融合多種生物特征，利用特征選擇來預測藥物-標靶相互作用關系，克服了有監(jiān)督學習算法需要負樣本輔助預測的不足。理論分析表明算法的時間復雜度得到了降低，交叉驗證實驗表明預測精度得到了提高。案例分析也得到了理想的預測結果。此外，我們還對未標記的關系進行了廣泛的預測，部分預測結果在現(xiàn)有藥物數(shù)據(jù)庫中得到了證實。
　　(2)雖然越來越多的研究

4、表明與微RNA有關的變異、調控失常等均會引發(fā)各種疾病，但針對微RNA和OMIM疾病關聯(lián)關系的研究較少，OMIM數(shù)據(jù)庫中大多數(shù)的疾病未有與其相關聯(lián)的微RNA信息。我們提出采用隨機游走算法來預測微RNA-OMIM疾病關聯(lián)關系。我們首先構建了OMIM疾病相似性網(wǎng)絡和微RNA-OMIM疾病關聯(lián)關系網(wǎng)絡，然后將隨機游走算法應用于OMIM疾病相似性網(wǎng)絡中對候選疾病打分排序進行預測。實驗表明該算法具有一定的預測精度。我們預測并驗證了部分排序在前的微R

5、NA-OMIM疾病關聯(lián)關系。
　　(3)隨機游走算法用于微RNA-疾病關系預測時只用到了疾病相似性信息。為了進一步提高算法的預測精度，我們提出融合微RNA相似性信息、疾病相似性信息和微RNA-疾病二分圖拓撲信息用于微RNA-疾病關系預測。我們充分研究了各相似性信息對算法預測精度的影響，實驗結果表明融合多種相似性信息可以提高算法的預測精度。我們選擇預測精度最好的算法NetCBI應用于微RNA-疾病關系預測。部分預測的排序在前的微RN

6、A-疾病關聯(lián)關系得到了相關數(shù)據(jù)庫的證實。
　　(4)單核苷酸多態(tài)(SNPs)可闡明不同人群和個體在疾病的易感性和抵抗性方面存在差異的原因。SNPs位點間存在連鎖不平衡關系，因此不需要對所有的SNPs位點進行檢測，可以根據(jù)連鎖不平衡關系測定一部分SNPs(即標簽SNPs)的信息，通過標簽SNPs表征的信息覆蓋其余SNPs。我們對現(xiàn)有的基于連鎖不平衡的單種群標簽SNPs選擇算法進行廣泛的比較。同時提出了一個改進的求解該問題的貪婪算法M