融合生物网络拓扑特性的肿瘤放疗敏感基因信号识别方法

发布时间：2017-09-01 05:00

  本文关键词：融合生物网络拓扑特性的肿瘤放疗敏感基因信号识别方法

  更多相关文章： 辐射敏感性 组学数据 生物网络 辐射敏感基因

【摘要】：肿瘤病人的辐射敏感性预测对于肿瘤的治愈具有重要意义.基于上述原因,文中提出融合生物网络拓扑特性的肿瘤放疗敏感基因信号识别方法.首先基于基因表达谱和肿瘤样本SF2存活率之间的Spearman相关系数,初步估算每个基因的辐射敏感度.然后根据目前已知的基因网络和蛋白质互作网络等生物网络的拓扑性质,利用随机行走算法进行校正.最后筛选辐射敏感基因,并以此为特征训练肿瘤样本SVM分类器.实验表明文中方法比现有常用的线性回归法和微阵列数据显著性分析法更加有效,识别的辐射敏感基因有利于临床肿瘤个性化放疗的施行.
【作者单位】： 中国科学院合肥智能机械研究所生物分子信息系统实验室;武汉大学测绘遥感信息工程国家重点实验室;安徽建筑大学数理学院;
【关键词】： 辐射敏感性 组学数据 生物网络 辐射敏感基因
【基金】：国家自然科学基金项目(No.61402010,61374181) 安徽省自然科学基金项目(No.1408085MF133)资助~~
【分类号】：R730.55
【正文快照】： SHI Ming1,2,WANG Hongqiang2,SUN Tingting2,XIE Xinping31(Machine IntelligenceComputational Biology Laboratory,Institute of Intelligent Machines,Chinese Academy of Sciences,Hefei 230031)2(State Key Laboratory of Information Engineering in Surveying,Mappin

【相似文献】

中国期刊全文数据库 前1条

1 张向锋;任立红;丁永生;;基于神经内分泌免疫系统的网络计算仿真平台[J];系统仿真技术;2005年02期

中国重要会议论文全文数据库 前4条

1 高蕾;高鲁彬;郭进利;;生物网络研究进展述评[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

2 古华光;;生物网络的时空动力学行为的实验和数学模型研究[A];The 5th 全国动力学与控制青年学者研讨会论文摘要集[C];2011年

3 刘曾荣;;动力学与控制在生物系统中应用的几个例子[A];中国力学学会学术大会'2009论文摘要集[C];2009年

4 徐筱杰;;计算多靶药理学及其在中药研究中的应用[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年

中国重要报纸全文数据库 前1条

1 赵晓涛;哲学角度谈安全[N];网络世界;2008年

中国博士学位论文全文数据库 前10条

1 赵亚欧;基于智能计算的生物网络构建算法的研究[D];山东大学;2015年

2 贺浩宸;多个生物网络整合分析的关键方法和应用研究[D];中国人民解放军军事医学科学院;2016年

3 陆晨琪;酵母生物网络结构与功能进化的研究[D];复旦大学;2008年

4 何胜;复杂生物网络可视化方法研究[D];江南大学;2010年

5 梅娟;复杂生物网络聚类分析方法[D];江南大学;2010年

6 陈钢;生物网络分析及其在复杂疾病研究中的应用[D];中南大学;2012年

7 邵清;基于生物网络的延迟容忍网络容错研究[D];东华大学;2010年

8 崔修亮;生物网络分析若干关键技术及其应用研究[D];中国人民解放军军事医学科学院;2014年

9 王红;生物网络功能模块识别及参数辨识研究[D];大连理工大学;2014年

10 王彤;基于不完全信息的生物网络随机非线性建模与控制研究[D];东华大学;2014年

中国硕士学位论文全文数据库 前10条

1 梁良;基于NEI的生物网络产品CAD系统研究及应用[D];河南科技大学;2015年

2 张卉宁;基于集成网络的胶质母细胞瘤失调模块检测[D];西安电子科技大学;2014年

3 杜宇;配体和序列空间中人类可靶标蛋白质网络的研究[D];华东师范大学;2016年

4 孙凯云;两类生物网络的动力学行为研究[D];山东师范大学;2016年

5 樊振杰;生物网络中与疾病相关的子网络搜索研究[D];兰州大学;2009年

6 陈熠;基于代谢路径的生物网络比对算法[D];西安电子科技大学;2009年

7 薛晓丽;生物网络的分层递阶结构的建模[D];江南大学;2014年

8 周晓锋;一种基于统计的生物网络模体发现算法[D];西安电子科技大学;2008年

9 昝乡镇;复杂生物网络集中频繁模式挖掘软件开发研究[D];温州大学;2012年

10 张航;复杂生物网络中的稠密子图挖掘算法研究[D];温州大学;2010年

，

本文编号：770057