基于时间序列的基因表达数据分析与基因调控网络建模方法研究

发布时间：2017-08-14 12:05

  本文关键词：基于时间序列的基因表达数据分析与基因调控网络建模方法研究

  更多相关文章： 时间序列 基因差异表达 基因调控网络 HMM模型 动态贝叶斯模型

【摘要】：由于大多数生物过程是动态的,基于时间序列的实验可以帮助人们理解这些过程并进行建模。有一些基因数据是可以随着时间来测量的,在这之中最丰富可用的数据就是基于时间序列的基因表达数据。这种数据可以用来描述特定基因的功能、这些基因之间的关系、它们的调控和协调信息以及其临床意义等,基于时间序列的基因表达数据已经成为研究生物过程的最基本的方法之一。本文使用Ethanoligenens harbinense YUAN-3细菌在特定条件下的6个时间点分别测量得到的基于时间序列的RNA-Seq数据,在静态基因表达数据分析方法的基础上,充分利用了时序数据的动态特性,使用基于时序差异以及LRT的方法对细菌的基因进行表达差异分析,识别了在整个时间序列上差异表达的基因;使用基于时序轨迹以及HMM模型的聚类算法为细菌表达数据进行聚类,可以有效地识别细菌基因表达的动态变化;并使用动态贝叶斯网络为细菌基因调控网络建模,可以有效地分析转录时间延迟,建立正确的基因调控关系。
【关键词】：时间序列 基因差异表达 基因调控网络 HMM模型 动态贝叶斯模型
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：Q811.4;TP311.13
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-14
• 1.1 课题背景及研究意义8-10
• 1.1.1 课题背景8-9
• 1.1.2 研究目的与意义9-10
• 1.2 国内外研究现状10-12
• 1.3 本文的研究内容12-14
• 第2章 基因差异表达分析14-25
• 2.1 静态实验与Time-series实验14-15
• 2.2 基因差异表达分析的基本原理15-18
• 2.3 识别差异表达基因的过程18-24
• 2.3.1 序列比对19-21
• 2.3.2 计算Read的原始数量信息21-22
• 2.3.3 基因差异表达分析22-24
• 2.4 本章小结24-25
• 第3章 基因表达的时序模式分析25-39
• 3.1 基因表达的时序模式25-26
• 3.2 静态聚类方法26-28
• 3.3 基于时间序列的聚类方法28-37
• 3.3.1 基于时序轨迹相似度的方法29-31
• 3.3.2 基于HMM的聚类方法31-33
• 3.3.3 使用HMM模型对细菌表达数据进行聚类33-37
• 3.4 本章小结37-39
• 第4章 基因调控网络建模39-48
• 4.1 常用的基因表达建模方法39-40
• 4.2 动态贝叶斯网络的基本原理40-41
• 4.3 使用动态贝叶斯网络构建基因调控网络41-46
• 4.4 本章小结46-48
• 结论48-49
• 参考文献49-53
• 攻读硕士学位期间发表的论文53-55
• 致谢55

【相似文献】

中国期刊全文数据库 前10条

1 施久玉,杜金观;有限个状态时间序列的某些结果[J];应用数学学报;1990年01期

2 冯希杰;长江三峡及其邻区断裂活动时间序列[J];华南地震;1991年02期

3 王霞,郭嗣琮,刘淑娟;时间序列模糊滑动预测[J];辽宁工程技术大学学报(自然科学版);1999年03期

4 温品人;时间序列预测法的实际应用分析[J];江苏广播电视大学学报;2001年06期

5 许清海;混沌投资时间序列的嬗变[J];漳州师范学院学报(自然科学版);2003年01期

6 程毛林;时间序列系统建模预测的一种新方法[J];数学的实践与认识;2004年08期

7 高洁;长记忆时间序列适应性预测的应用[J];江南大学学报;2004年05期

8 高洁;孙立新;;长记忆时间序列的适应性预测误差的谱密度[J];统计与决策;2006年13期

9 杨钟瑾;;浅谈时间序列的分析预测[J];中国科技信息;2006年14期

10 李健;孙广中;许胤龙;;基于时间序列的预测模型应用与异常检测[J];计算机辅助工程;2006年02期

中国重要会议论文全文数据库 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 马培蓓;纪军;;基于时间序列的航空备件消耗预测[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 卢世坤;李夕海;牛超;陈蛟;;时间序列的非线性非平稳特性研究综述[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

4 李强;;基于线性模型方法对时间序列中异常值的检测及证券实证分析[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

5 戴丽金;何振峰;;基于云模型的时间序列相似性度量方法[A];第八届中国不确定系统年会论文集[C];2010年

6 谢美萍;赵希人;庄秀龙;;多维非线性时间序列的投影寻踪学习逼近[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

7 张大斌;李红燕;刘肖;张文生;;非线性时问序列的小波-模糊神经网络集成预测方法[A];第十五届中国管理科学学术年会论文集（下）[C];2013年

8 黄云贵;;基于时间序列的电网固定资产投资规模研究[A];2012年云南电力技术论坛论文集（文摘部分）[C];2012年

9 李松臣;张世英;;时间序列高阶矩持续和协同持续性研究[A];21世纪数量经济学（第8卷）[C];2007年

10 陈赫;罗声求;;历史横断面数据的时间序列化[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

中国重要报纸全文数据库 前6条

1 ;《时间序列与金融数据分析》[N];中国信息报;2004年

2 何德旭 王朝阳;时间序列计量经济学：协整与有条件的异方差自回归[N];中国社会科学院院报;2003年

3 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

4 西南证券高级研究员 董先安邋德圣基金研究中心 郭奔宇;预计6月CPI同比上涨7.2%[N];证券时报;2008年

5 东证期货 王爱华　杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年

6 任勇邋郑重;中国对世界钢材价格的影响实证分析[N];现代物流报;2007年

中国博士学位论文全文数据库 前10条

1 张墨谦;遥感时间序列数据的特征挖掘：在生态学中的应用[D];复旦大学;2014年

2 张德成;滑坡预测预报研究[D];昆明理工大学;2015年

3 苗圣法;时间序列的模式检测[D];兰州大学;2015年

4 翁同峰;时间序列与复杂网络之间等价性问题及表征应用研究[D];哈尔滨工业大学;2015年

5 杨婷婷;用Argo浮标结合卫星观测估算北太平洋经向热输运[D];中国科学院研究生院(海洋研究所);2015年

6 史文彬;时间序列的相关性及信息熵分析[D];北京交通大学;2016年

7 原继东;时间序列分类算法研究[D];北京交通大学;2016年

8 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年

9 李桂玲;时间序列的分割及不一致发现研究[D];华中科技大学;2012年

10 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年

中国硕士学位论文全文数据库 前10条

1 张鸣敏;基于支持向量回归的PM_(2.5)浓度预测研究[D];南京信息工程大学;2015年

2 林健;基于改进小世界回声状态网的时间序列预测[D];渤海大学;2015年

3 曹智丽;日气温和干旱指数支持向量回归预测方法[D];南京信息工程大学;2015年

4 高雄飞;基于分形理论的土壤含水量时间序列特性分析[D];长安大学;2015年

5 姚茜;城市安全生产发展目标研究[D];中国地质大学(北京);2015年

6 郭博;余额宝用户特征分析和申赎行为研究[D];电子科技大学;2015年

7 王伟;基于时间序列的噪声监测点异常发现[D];南京航空航天大学;2015年

8 郑平;支持向量回归在金融时间序列预测中的应用[D];辽宁师范大学;2015年

9 李鸿利;时间序列的行为匹配与评估技术研究[D];解放军信息工程大学;2014年

10 王珂;基于时间序列法的不良数据的辨识与修正研究[D];东南大学;2015年

，

本文编号：672558