基于模糊聚类的基因共表达网络分析研究

发布时间：2020-09-07 16:58

　　 基因测序技术高速发展使得基因表达量数据的获取变得更加容易,在海量数据面前,单个基因表达模式的研究显示出一定的局限性。因此,在全基因组范围内利用这些数据构建基因共表达网络,并从系统生物学的角度进一步研究基因表达模式以及基因间的相互作用就十分必要。利用基因共表达网络,可以鉴定共表达模块具有的功能,推测其中未知基因的功能,揭示生物体功能的内在机理。生物体中的许多基因都具有多效性,具体表现为一个基因参与多种生物功能的调控,所以基因共表达网络中的模块理论上应该存在重叠结构。然而,大多数传统的聚类方法都忽视了这一特性,少部分方法考虑到了该特性但没有重视该特性的准确性,这导致当前的聚类方法在基因共表达网络上的应用效果表现不佳。针对目前的这些问题,本文中提出了一种新的模糊聚类算法。本文的主要工作有:(1)建立一种基于网络稠密度的模糊聚类模型。针对网络中的重叠结构,利用一种基于稠密度的模糊聚类模型(Fuzzy Clustering Based Density,FCBD)进行识别。由于基因共表达网络的聚类结果缺少参照标准,使用蛋白质互作用网络对结果进行验证。相较其他方法,FCBD模型聚类得到的结果具有最高的准确度(f-score为0.46),比仅次于它的CFinder算法(f-score为0.42)提高了约10%。(2)提出一种针对有权重重叠网络进行模糊聚类的算法。考虑到基因共表达网络有权重和无标度的特性,对FCBD模型进行改进,提出一种基于权重网络的稠密度进行模糊聚类的方法(Weighted Fuzzy Clustering Based Density,WFCBD)。利用不同规模的样本集评估该算法,同时与其他算法横向对比,以模块度作为衡量聚类效果的指标,证实了该算法的聚类结果在不同规模的网络中都稳定可靠。(3)构建大豆基因共表达网络,评估该算法应用效果。利用531个样本构建含有33238个基因的大豆基因共表达网络,并使用WFCBD算法对网络进行聚类分析,对得到的77个模块进行功能注释并给出生物学解释。鉴定重叠模块区域的多效基因功能,并利用重叠模块对未知基因进行功能预测。和其他算法相比,WFCBD算法能够获得更具有生物学意义的聚类结果。
【学位单位】：武汉理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP311.13;Q811.4
【部分图文】：

图 1-1 PubMed 数据库中近 25 年发表的基因共表达有关的文献数量基因共表达网络也是分子生物网络的一种。基因共表达网络的概念在 1999年首次被 Butte 和 Kohane[1]提出，彼时基因共表达网络还仅仅只是被认为是相关网络。Butte 和 Kohane 统计了一些患者在医学实验室的测试数据，随后计算了每

图 1-2 PubMed 数据库中近 25 年发表的基因共表达有关的文献数量利用基因共表达网络，可以对已知基因的功能进行鉴定，未知基因的功能进行预测。从系统的角度来研究基因间的相互作用，有助于研究者全面深入地理解生物体内的生命过程。

论文框架图

【相似文献】

相关期刊论文 前10条

1 袁静,施介宽,麻永尧;模糊聚类理论在大气环境质量评价中的应用[J];东华大学学报(自然科学版);2001年01期

2 黄凤岗,孙文彦,宋克欧;模糊聚类网中多对一映射的实现[J];哈尔滨工程大学学报;1998年02期

3 阎平;于连生;;水质污染模糊聚类系统分析[J];东北水利水电;1987年10期

4 林景荣;一种以秩和为因子的模糊聚类预报法[J];福州大学学报(自然科学版);1988年03期

5 胡远来 ,姜若维;大样本模糊聚类的快速算法与应用[J];成都地质学院学报;1988年01期

6 刘福仍;;在枇杷种质资源调查中模糊聚类的应用[J];广西农学院学报;1988年01期

7 徐国昌;姚辉;;甘肃省降水量模糊聚类分区[J];甘肃气象;1988年03期

8 范立群,苏育嵩,李凤岐;南海北部海区水团分析[J];青岛海洋大学学报;1989年S1期

9 王凤钦,李凤岐,苏育嵩;浅海变性水团的软划分[J];青岛海洋大学学报;1989年S1期

10 干久安;材料切削加工性的模糊聚类与模糊模式识别[J];哈尔滨船舶工程学院学报;1989年02期

相关会议论文 前10条

1 倪雪;李晓奇;;一种模糊聚类与模糊识别模型的改进[A];第三届中国智能计算大会论文集[C];2009年

2 李小平;焦李成;;信息颗粒在数据模糊聚类中的应用与构造[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

3 李仲来;;模糊聚类与系统聚类的结合分析[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

4 李俊花;刘文白;孙昭晨;崔莉;;基于半模糊聚类的长输管道泄漏监测[A];2007年中国智能自动化会议论文集[C];2007年

5 宋爱波;胡孔法;戴青云;董逸生;;Weblog的模糊聚类[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

6 王平;;基于动态模糊聚类的输出数据一致表决容错方法[A];2007'仪表，自动化及先进集成技术大会论文集（二）[C];2007年

7 田云飞;李训诰;;基于模糊聚类阈值λ的噪声目标自动分类研究[A];中国声学学会2005年青年学术会议[CYCA'05]论文集[C];2005年

8 李丹丹;;基于遗传模糊聚类的电子商务推荐算法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

9 王恒;贾民平;;一种基于递阶模糊聚类的T-S模型建模算法[A];第二十九届中国控制会议论文集[C];2010年

10 孟燕;贾利民;孙扬;;基于模糊聚类的铁路智能运输系统逻辑结构划分方法[A];2005年中国智能自动化会议论文集[C];2005年

相关博士学位论文 前10条

1 张梦璇;基于多目标进化模糊聚类的图像分割方法研究[D];西安电子科技大学;2017年

2 史彦丽;模糊聚类和模糊聚类有效性的研究[D];大连理工大学;2017年

3 李春生;模糊聚类的组合方法及其应用研究[D];湖南大学;2010年

4 雷鸣;模糊聚类新算法的研究[D];天津大学;2007年

5 刘解放;面向聚类和回归的模糊求解技术及应用[D];江南大学;2017年

6 江晓亮;基于模糊聚类及活动轮廓模型的图像分割技术研究[D];西南交通大学;2016年

7 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年

8 施建中;基于模糊聚类的非线性系统辨识研究[D];华北电力大学;2012年

9 纪则轩;基于模糊聚类的脑磁共振图像分割技术研究[D];南京理工大学;2012年

10 艾永明;基于小波神经网络的结构损伤识别方法研究[D];长安大学;2012年

相关硕士学位论文 前10条

1 朱智幸;基于模糊聚类的基因共表达网络分析研究[D];武汉理工大学;2018年

2 吴丽萍;融合可信性与样本—特征双加权广义熵的模糊聚类研究[D];福建农林大学;2018年

3 郭保会;基于模糊聚类的多模型软测量方法及应用研究[D];华北电力大学;2018年

4 白金源;基于t-SNE和模糊聚类的科技论文推荐方法研究[D];河北大学;2018年

5 张新;基于CPTU的土层模糊分析及桩承载效应研究[D];江苏大学;2018年

6 赵跟陆;面向多核的可能性模糊聚类算法研究[D];合肥工业大学;2017年

7 张琦s

本文编号：2813598