基于结构方程模型的基因调控网络推断问题的研究

发布时间：2023-03-11 04:44

　　在生物体内,用于控制生物性状的基因无法独立工作,它们之间很可能存在一定的相互作用。在基因表达过程中,基因之间的相互调控关系构成了错综复杂的基因调控网络(Gene Regulatory Network,GRN)。GRN的结构推断对于识别基因功能、从分子水平上理解生物内部的工作机理及调控机制等具有十分重要的意义,在系统生物学中占据了核心地位,是当前的研究热点之一。基因表达数据通常具有高维度、小样本的特点,所以在基于基因表达数据来推断GRN的结构时,采用生物实验的方法分别检验每对基因之间的交互关系是不现实的。因此,一般的做法是:首先采用特定的计算模型对GRN进行建模,然后设计适当的机器学习算法来完成对模型的学习和推断。由此可以引出两个重要的问题,即参数模型的选择问题和参数估计方法的设计问题。目前,各种不同的参数模型在GRN的推断问题中都已经得到了广泛应用,其中,大多数模型都只能利用基因表达数据来进行网络推断。但实际上,一些由实验产生或自然发生的基因扰动也很可能会影响GRN的结构,如果将这些基因扰动数据也考虑在内,那么GRN推断的准确率就可以得到进一步的提搞。结构方程模型(Structural...

【文章页数】：102 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 单一条件下的GRN结构的推断
        1.2.2 不同条件下的差异GRN结构的推断
    1.3 本文主要研究工作
    1.4 论文组织结构
第2章 单一条件下的GRN建模及其推断方法概述
    2.1 常用的GRN建模方法及其相关推断算法
        2.1.1 布尔网络模型
        2.1.2 相关性网络
        2.1.3 贝叶斯网络
        2.1.4 回归分析模型
        2.1.5 高斯图模型
        2.1.6 结构方程模型SEM
    2.2 GRN推断模型的优缺点分析
    2.3 GRN推断算法的评价指标
第3章 基于NEG层次先验的贝叶斯推断算法
    3.1 引言
    3.2 模型与方法
        3.2.1 基于SEM构建的GRN模型
        3.2.2 模型可识别性分析
        3.2.3 模型重参数化
        3.2.4 贝叶斯LASSO
        3.2.5 基于NEG先验的贝叶斯自适应推断算法
    3.3 实验分析
        3.3.1 合成数据模拟实验与分析
        3.3.2 真实数据实验分析
    3.4 讨论与总结
第4章 基于近端梯度优化的差异GRN联合推断算法
    4.1 引言
    4.2 模型与方法
        4.2.1 基于SEM构建的差异GRN联合优化模型
        4.2.2 Diff SSEM算法概述
        4.2.3 模型变换
        4.2.4 差异GRN联合优化模型转换及参数优化
    4.3 实验分析
        4.3.1 合成数据模拟实验与分析
        4.3.2 真实数据实验分析
    4.4 讨论与总结
第5章 基于模型重参数化方法的差异GRN联合推断算法
    5.1 引言
    5.2 模型与方法
        5.2.1 模型构建
        5.2.2 重参数化整合模型
        5.2.3 重参数化模型的贝叶斯推断
    5.3 实验分析
        5.3.1 合成数据模拟实验与分析
        5.3.2 真实数据实验分析
    5.4 讨论与总结
第6章 基于贝叶斯融合先验的差异GRN联合推断算法
    6.1 引言
    6.2 模型与方法
        6.2.1 线性回归模型的贝叶斯融合LASSO
        6.2.2 联合推断模型
        6.2.4 贝叶斯融合推断算法BFDSEM
    6.3 实验分析
        6.3.1 合成数据模拟实验与分析
        6.3.2 真实数据实验分析
    6.4 讨论与总结
第7章 总结与展望
    7.1 工作总结
    7.2 未来的工作展望
参考文献
作者简介及在学期间所取得的科研成果
致谢



本文编号：3759222