基于随机矩阵理论分析乳腺癌基因网络

发布时间：2021-03-29 08:27

　　利用随机矩阵理论分析乳腺癌基因微阵列数据,得到乳腺癌基因共表达网络,找出乳腺癌基因共表达网络中重要的增殖模块和免疫模块,并预测基因PMSCL1与乳腺癌细胞的增殖、侵袭及迁移有关,基因CCAN2与乳腺癌细胞的有丝分裂有关,基因SCYA5与乳腺癌细胞的免疫应答有关,基因PRC1、RAB31、INHBA可作为乳腺癌的靶向基因. 

【文章来源】：江西师范大学学报(自然科学版). 2020,44(05)北大核心

【文章页数】：6 页

【部分图文】：

Poisson分布曲线

设定去噪步长Δq=0.01,将去噪因子q由0逐步增加到1,计算每个去噪因子q值对应特征值的最近邻间隔分布.发现随着q值的增加,乳腺癌关联矩阵特征值的最近邻间隔分布函数P(s)的分布曲线发生尖锐转变,由Wigner-Dyson分布锐变到Poisson分布,如图3所示.这说明通过增加q值,随机噪声引入的模块间弱相互作用逐渐被去除掉,体系保留下来的是基因间真实的强相互作用,代表乳腺癌基因网络从无规全局网络过渡到真实信息的生物网络.通过计算乳腺癌关联矩阵特征值NNSDs对高斯分布的标准误差与对泊松分布的标准误差来确定乳腺癌基因共表达网络模块的分割阈值,标准误差的计算公式为

通过作乳腺癌关联矩阵特征值NNSDs对高斯分布的标准误差与对泊松分布的标准误差的比值曲线图(见图4)可见,当q=0.78时标准误差的比值最大.此时系统完全过渡到泊松系统,基因模块间由噪声引入的弱相互作用被充分去掉,乳腺癌基因网络呈现基因间本质网络模块.因此,选取q=0.78为3 044×77的乳腺癌基因共表达网络模块的分割阈值.2.2 获取乳腺癌共表达网络模块

【参考文献】：
期刊论文
[1]脑胶质瘤治疗相关时空演化机制及其在精准治疗中的应用（英文）[J]. 吕明康,蒋彪彬,保肇实,王吉光.  生物化学与生物物理进展. 2019(11)
[2]基于随机矩阵理论及层次聚类方法在肝癌基因网络中的研究[J]. 李蓉,郑浪,任喜梅,钟春晓,王锦丽.  湘潭大学学报(自然科学版). 2019(02)
[3]BUB1在胶质母细胞瘤中高表达并促进胶质母细胞瘤的增殖[J]. 白晓斌,霍龙伟,谢万福,徐高峰,王茂德.  西安交通大学学报(医学版). 2019(02)
[4]乳腺癌中INHBA表达及与临床预后的关系[J]. 茅育蕾,蔡宜玲.  临床与实验病理学杂志. 2018(03)
[5]基于随机矩阵理论的股市网络拓扑性质研究[J]. 谢赤,胡珏,王钢金.  运筹与管理. 2018(01)
[6]TEAD4对结直肠癌细胞增殖影响及机制探讨[J]. 李臻,李树安,罗华友,曾玉剑,王昆华.  中华肿瘤防治杂志. 2017(15)
[7]PRC1在细胞分裂及肿瘤发生中的作用[J]. 施晓婷,张斌,邹晓平.  现代肿瘤医学. 2016(23)
[8]基于复杂网络的城市综合交通网络特征分析与优化研究[J]. 吴样平,郭飞,曾明华.  江西师范大学学报(自然科学版). 2015(03)
[9]STK15、MCM5在胃癌前病变及癌变组织中的表达及相关性分析[J]. 高峻,杨勇,陈霖,杨宏新.  实用医学杂志. 2014(09)
[10]基于拓扑和生物特征的权重网络中络合物抽取[J]. 于凤英,杨志豪,林鸿飞.  江西师范大学学报(自然科学版). 2013(03)



本文编号：3107257