miRNA靶基因预测及其功能识别算法研究

发布时间：2021-04-24 17:14

　　microRNA（miRNA）是长度约为19-22nt（核苷酸）的单链RNA分子,参与大量的细胞进程,包括细胞增殖、新陈代谢和细胞凋亡等,且与疾病的发生、发展密切相关。计算方法在miRNA结构预测和功能识别的研究中起到了重要的作用,推动了相关研究的快速发展。本文依据miRNA的生物特性,对miRNA靶基因预测,miRNA调控模块识别,miRNA与疾病关联和疾病标志物mi RNA的识别等计算问题进行了深入研究,取得了一些创新性成果。主要内容包括以下四个方面:（1）提出基于卷积神经网络的miRNA靶基因预测方法miRNA通过调控基因的表达来影响蛋白质的合成,进而影响疾病的发生、发展。因此,研究miRNA-疾病关联的前提,是掌握miRNA的靶基因。本文依据已知的miRNA靶向规律,提出了基于卷积神经网络的miRNA靶基因预测方法miRTDL。在特征选择方面,从miRNA二级结构的角度出发,深入分析了miRNA与靶基因二聚体的序列互补匹配特点、可接近性特点和保守性特点,选取20个具有代表性的靶向特征。在数据集构建方面,依据miRNA靶向规律,采用约束松弛方法,构建了数量均衡的正、反例数据集,消... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：126 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 miRNA相关知识介绍
        1.2.1 miRNA的定义
        1.2.2 miRNA的生成过程及作用机制
        1.2.3 miRNA的靶向交互特征
        1.2.4 miRNA协同调控机制
        1.2.5 miRNA与疾病的关系
        1.2.6 miRNA作为疾病标志物的生物依据
    1.3 国内外研究现状
        1.3.1 miRNA的靶基因预测
        1.3.2 miRNA调控模块识别
        1.3.3 miRNA与疾病关联预测
        1.3.4 疾病标志物miRNA的识别
    1.4 本文的主要研究内容
第2章 基于卷积神经网络的miRNA靶基因预测方法
    2.1 引言
    2.2 miRNA-基因靶向特征选取
    2.3 基于约束松弛方法的均衡数据集构建
        2.3.1 数据来源
        2.3.2 构建均衡数据集
    2.4 基于卷积神经网络的miRNA靶基因预测方法
        2.4.1 利用卷积神经网络预测靶基因
        2.4.2 miRNA-基因靶向交互特征分析
    2.5 miRNA靶基因预测算法复杂度分析
    2.6 实验结果与分析
        2.6.1 与其它方法比较结果
        2.6.2 约束松弛算法性能分析
        2.6.3 卷积神经网络性能分析
        2.6.4 miRNA-基因靶向交互特征分析
    2.7 本章小结
第3章 基于主题模型的miRNA调控模块识别方法
    3.1 引言
    3.2 miRNA调控基因表达的特点
    3.3 基于主题模型的miRNA调控模块识别方法
        3.3.1 表达谱数据获取与预处理
        3.3.2 CCRM模型构建
    3.4 变分推理和参数估计
    3.5 基于miRNA动态功能构建调控模块间关联
    3.6 miRNA动态调控模块识别算法复杂度分析
    3.7 实验结果与分析
        3.7.1 调控模块识别及模块关联构建
        3.7.2 算法性能分析
        3.7.3 调控模块内miRNA功能识别及靶向关系验证
    3.8 本章小结
第4章 基于隐条件随机场的miRNA-疾病关联预测方法
    4.1 引言
    4.2 miRNA与疾病关联数据获取与预处理
    4.3 基于决策融合方法构建用于训练分类器的数据集
        4.3.1 直接识别疾病关联的miRNA
        4.3.2 间接识别疾病关联的miRNA
        4.3.3 基于决策融合思想构建可靠的训练数据集
    4.4 基于隐条件随机场的miRNA与疾病关联预测算法
    4.5 miRNA与疾病关联预测算法复杂度分析
    4.6 实验结果比较与分析
        4.6.1 与其它方法比较结果
        4.6.2 决策融合方法性能分析
        4.6.3 miRNA功能富集分析
    4.7 本章小结
第5章 基于局部线性嵌入和聚类的疾病标志物miRNA识别方法
    5.1 引言
    5.2 miRNA表达谱数据获取与预处理
    5.3 基于局部线性嵌入和聚类的疾病标志物miRNA识别方法
        5.3.1 基于局部线性嵌入方法降维表达谱数据
        5.3.2 利用基于密度的聚类方法识别共表达miRNA
        5.3.3 降维和聚类的迭代过程
    5.4 算法复杂度分析
    5.5 实验结果与分析
        5.5.1 识别疾病标志物miRNA
        5.5.2 验证疾病标志物miRNA
        5.5.3 局部线性嵌入算法性能分析
        5.5.4 识别疾病的共同标志物
    5.6 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其它成果
致谢
个人简历


【参考文献】：
期刊论文
[1]应用微阵列芯片分析喉鳞状细胞癌miRNA与正常黏膜表达差异的初步研究[J]. 王苹,付涛,王绪锐,祝威.  临床耳鼻咽喉头颈外科杂志. 2010(12)
[2]用生物信息学方法预测与心血管疾病相关的微RNAs[J]. 张帆,卢铭,张其鹏,张福春,高炜,崔庆华.  北京大学学报(医学版). 2009(01)



本文编号：3157751