基于基因和基因间互作的通路活性推断方法研究

发布时间：2021-02-10 03:19

　　疾病状态的准确识别是临床癌症研究一个极具挑战性的研究方向,癌症状态的识别对于癌症及时发现、治疗方案的设计及预后的生存分析都具有重要的意义。传统临床指标如雌激素水平、黄体酮等来识别疾病状态面临的困难是分类精度不高。随着基因组、转录组,蛋白质组、代谢组及其它各种修饰组学数据的出现,为癌症的分类提供新机遇。基于基因表达谱数据的分类方法研究可以分为二类:单基因分析,主要思想是根据全基因组的基因表达值构建分类器,其不足点是癌症标志物的一致性很差,不同的数据集得到的癌症标志物的重叠性较差;功能模块分析,随着蛋白质网络,代谢网络等生物数据不断的发展,基于转录组数据和网络的癌症识别方法研究是针对功能模块里的基因进行分析研究,已有的方法的主要是对基因在功能模块网络里表达差异分析,其缺点是没有考虑网络中基因间的相互作用关系。本文集合已有的方法,提出了一个基于基因和基因间互作通路活性（Pathway activity based on genes and their interactions,PAGI）的推断方法来挖掘重要通路中基因和基因之间的相互作用信息,并推断通路的活性。PAGI方法在单个重要通路上运行... 

【文章来源】：温州大学浙江省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

PAC方法推断通路活性工作流程图

14图 2-3 基于蛋白质子网络推断通路活性的工作流程[19]2-3 The workflow of inference pathway activity based on protein-network[19]蛋白质子网络的方法能够找到具有显著差异的子网络，显著子网络模块的形式出现差异表达。该方法得到了较好的分类性能，比之前

图 2-4：利用概率推断通路活性的工作流程[24]Figure2-4 The workflow of inference pathway activity based on probability[24]取 50 个显著表达的通路，算出它们的通路活性和 t 统计量的 t 值。依


本文编号：3026703