基于稀疏表示的基因调控网络重构方法研究
发布时间：2023-08-30 00:49
进入21世纪以来,以高通量测序为代表的生物技术已经能够从生物系统水平上检测基因表达信号,这些生物数字信号的不断积累为数学、统计以及信号处理等领域的科研人员提供了新的研究素材和机遇。基于基因表达信号的分析逆向推测基因之间的表达调控关系,也就是基因调控网络重构,是计算生物学中的一项重要研究课题。在本文中,从基因调控调控网络的稀疏结构特性出发,利用信号处理领域中的稀疏表示理论,分析基因表达信号并重构基因调控网络。按照此思路,我们开发出了若干种基因调控网络重构方法。大体上讲,本文的研究工作和成果概括为下三个方面:(1)针对基因调控稀疏表示模型中的稀疏度超参数估计问题,将之转化为稀疏表示模型的选择问题。然后,通过赋予稀疏表示模型与其稀疏度呈正相关的先验概率,利用贝叶斯信息准则计算不同稀疏表示模型的后验概率,最后综合比较分析,选择误差最小、稀疏度最高的作为最优模型。这种利用稀疏度预估计思路的基因调控网络重构方法被命名为BicGSR。在模拟基因表达数据、真实的原核生物E.coli基因表达数据和真实的真核生物S.cerevisiae基因表达数据上,和多种当前的基因调控网络重构方法的对比实验表明,所提出...
【文章页数】：115 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 论文研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 基因调控网络重构研究的发展和现状
1.2.1 起源和发展
1.2.2 标准数据库
1.2.3 代表性方法
1.2.4 当前存在的一些问题
1.3 论文主要研究内容
1.4 论文组织结构
2 基于稀疏表示的基因调控网络重构相关工作
2.1 基因调控网络相关生物学知识
2.1.1 基因及其表达与调控网络
2.1.2 基因调控网络重构
2.2 稀疏表示理论简介
2.2.1 稀疏表示理论的基本概念和数学模型
2.2.2 基于稀疏表示的字典学习
2.3 基于稀疏表示的基因调控网络重构
2.3.1 基因调控网络的稀疏结构
2.3.2 基因调控网络重构与稀疏表示
2.4 本章小结
3 基于稀疏度预估计的基因调控网络重构方法
3.1 引言
3.2 BicGSR方法
3.2.1 BicGSR方法概述
3.2.2 基因调控的稀疏线性回归模型
3.2.3 贝叶斯信息准则与mBIC
3.2.4 稀疏度估计
3.2.5 实验数据集
3.2.6 性能评估指标
3.3 BicGSR实验结果分析
3.3.1 模拟数据I上的实验结果
3.3.2 模拟数据II上的实验结果
3.3.3 真实模式生物基因表达数据上的实验结果
3.3.4 不同重构算法运行时间比较
3.3.5 mBIC对网络重构性能的提升
3.3.6 稀疏度对网络重构新能的影响
3.4 讨论和结论
3.5 本章小结
4 基于字典学习的基因调控网络重构方法
4.1 引言
4.2 OURM方法
4.2.1 全局基因调控系统
4.2.2 隐含调控因子学习
4.2.3 基因调控关系推断
4.2.4 重构性能评估指标
4.2.5 软件获取
4.3 OURM实验结果分析
4.3.1 模拟数据I上的实验结果
4.3.2 模拟数据II上的实验结果
4.3.3 真实的模式生物数据上的实验结果
4.4 讨论和结论
4.5 本章小结
5 融合字典学习和重采样的肺癌基因调控网络重构方法
5.1 引言
5.2 dlGRN方法
5.2.1 dlGRN方法概览
5.2.2 全局基因调控网络模型
5.2.3 调控关系置信度计算
5.2.4 小样本问题的解决思路
5.2.5 性能评估指标
5.2.6 五种数据集
5.2.7 肿瘤细胞培养
5.2.8 RNA提取和实时定量PCR
5.2.9 软件获取
5.3 dlGRN实验结果分析
5.3.1 学习原子调控因子
5.3.2 dlGRN方法的网络重构性能评估
5.3.3 肺癌基因调控网络的拓扑特性分析
5.3.4 前馈环结构分析
5.3.5 肺癌热点基因EGFR的转录因子
5.3.6 肺癌DNA甲基化调控分析
5.3.7 不同类型生物基因调控系统复杂度比较
5.4 讨论和结论
5.5 本章小结
6 总结和展望
6.1 总结
6.2 展望
参考文献
攻读博士期间科研成果
致谢
本文编号：3844609
【文章页数】：115 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 论文研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 基因调控网络重构研究的发展和现状
1.2.1 起源和发展
1.2.2 标准数据库
1.2.3 代表性方法
1.2.4 当前存在的一些问题
1.3 论文主要研究内容
1.4 论文组织结构
2 基于稀疏表示的基因调控网络重构相关工作
2.1 基因调控网络相关生物学知识
2.1.1 基因及其表达与调控网络
2.1.2 基因调控网络重构
2.2 稀疏表示理论简介
2.2.1 稀疏表示理论的基本概念和数学模型
2.2.2 基于稀疏表示的字典学习
2.3 基于稀疏表示的基因调控网络重构
2.3.1 基因调控网络的稀疏结构
2.3.2 基因调控网络重构与稀疏表示
2.4 本章小结
3 基于稀疏度预估计的基因调控网络重构方法
3.1 引言
3.2 BicGSR方法
3.2.1 BicGSR方法概述
3.2.2 基因调控的稀疏线性回归模型
3.2.3 贝叶斯信息准则与mBIC
3.2.4 稀疏度估计
3.2.5 实验数据集
3.2.6 性能评估指标
3.3 BicGSR实验结果分析
3.3.1 模拟数据I上的实验结果
3.3.2 模拟数据II上的实验结果
3.3.3 真实模式生物基因表达数据上的实验结果
3.3.4 不同重构算法运行时间比较
3.3.5 mBIC对网络重构性能的提升
3.3.6 稀疏度对网络重构新能的影响
3.4 讨论和结论
3.5 本章小结
4 基于字典学习的基因调控网络重构方法
4.1 引言
4.2 OURM方法
4.2.1 全局基因调控系统
4.2.2 隐含调控因子学习
4.2.3 基因调控关系推断
4.2.4 重构性能评估指标
4.2.5 软件获取
4.3 OURM实验结果分析
4.3.1 模拟数据I上的实验结果
4.3.2 模拟数据II上的实验结果
4.3.3 真实的模式生物数据上的实验结果
4.4 讨论和结论
4.5 本章小结
5 融合字典学习和重采样的肺癌基因调控网络重构方法
5.1 引言
5.2 dlGRN方法
5.2.1 dlGRN方法概览
5.2.2 全局基因调控网络模型
5.2.3 调控关系置信度计算
5.2.4 小样本问题的解决思路
5.2.5 性能评估指标
5.2.6 五种数据集
5.2.7 肿瘤细胞培养
5.2.8 RNA提取和实时定量PCR
5.2.9 软件获取
5.3 dlGRN实验结果分析
5.3.1 学习原子调控因子
5.3.2 dlGRN方法的网络重构性能评估
5.3.3 肺癌基因调控网络的拓扑特性分析
5.3.4 前馈环结构分析
5.3.5 肺癌热点基因EGFR的转录因子
5.3.6 肺癌DNA甲基化调控分析
5.3.7 不同类型生物基因调控系统复杂度比较
5.4 讨论和结论
5.5 本章小结
6 总结和展望
6.1 总结
6.2 展望
参考文献
攻读博士期间科研成果
致谢
本文编号：3844609
本文链接：https://www.wllwen.com/kejilunwen/jiyingongcheng/3844609.html
最近更新
教材专著
