基于基因表达数据和网络模型的胶质瘤重要基因识别及应用研究
发布时间：2021-09-05 15:30
胶质瘤占所有恶性脑肿瘤的80%,严重危害人类健康。目前对于胶质瘤的发病机制等认识不足,导致对其诊断治疗效果欠佳。人类基因组计划的开展产生了大量的潜藏丰富生物信息的数据,如何从中挖掘出胶质瘤相关重要基因亟待解决。本文则主要基于基因表达数据和网络模型,采用数据分析、网络拓扑信息挖掘以及网络动态分析三种筛选预测方法,来实现胶质瘤相关重要基因的识别,为胶质瘤发病机制等的进一步研究提供帮助。本文的具体工作说明如下:1)基于胶质瘤患者的基因表达数据,应用BMR-ReliefF结合SVM-RFE算法进行特征基因筛选,通过5折交叉验证找到了25个有效特征基因（AUC>0.85）。GO分析和PubMed文献查阅发现其主要富集的9个GO term和基因CDK6、NDRG1、MDK都与胶质瘤相关,说明该方法在胶质瘤基因筛选识别应用中的有效性。另外KEGG通路分析提示神经活性配体-受体相互作用信号通路及其相关的6个基因可能与胶质瘤存在重要关系,为进一步实验探究胶质瘤的发病机制提供了理论基础。2)基于疾病-基因异质网络,应用DeepWalk深度挖掘网络拓扑信息,提出DBSI（基于疾病相似的预测）和GBSI...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
健康成人前脑基因调控网络图
32图 4-2 健康成人后脑基因调控网络图4.1.2 大脑基因调控网络（患病成人）为研究胶质瘤相关的重要基因，因此也需要有患病成人大脑的基因调控网络进行相同实验来进行对比分析。我们利用的是患神经元相关癌症的成人大脑基因调控网络（neuron associated cancer GRN）数据。同样，网络的节点为基因，边为基因之间的相互作用关系，边的权值代表完成某项生命功能时基因之间相互作用关系的可能性。网络结构图见 4-3，具体数据描述见表 4-1。
图 4-3 神经元相关癌症疾病患者大脑基因调控网络图表 4-1 大脑-基因调控网络节点-边的详细数据情况（原始数据）网络 节点数 边数健康成人前脑-基因调控网络（forebrain GRN） 16072 2662324健康成人后脑-基因调控网络（hindbrain GRN） 16005 2606819神经元相关癌症成人患者大脑-基因调控网络(neuron associated cancer GRN)16219 26542874.2 网络可控性分析及基因分类复杂网络最早是由欧拉格尼斯堡七桥环游问题发展过来的，可以说它的前身是图论问题，随着人们的发现，逐渐出现了规则网络、随机网络、小世界网络、无标度网络等等，而很多研究证明，实际中我们研究的网络更多的属于无标度网络，网络节点的连接情况严重不均衡，少数中心节点（hub 节点）在网络运行中起着主导作
【参考文献】：
期刊论文
[1]基于CFS-mRMR特征筛选方法和Adaboost算法的胶质瘤相关基因筛选及预测模型的建立[J]. 邱纯,马巧蓉,赵曼曼,苏强,钟美佐. 现代生物医学进展. 2019(01)
[2]基于矩阵分解的DeepWalk链路预测算法[J]. 冶忠林,曹蓉,赵海兴,张科,朱宇. 计算机应用研究. 2020(02)
[3]基于DeepWalk的社团检测方法[J]. 彭欣宇. 电脑知识与技术. 2018(04)
[4]基于SVM-RFE-BPSO算法的特征选择方法[J]. 林俊,许露,刘龙. 小型微型计算机系统. 2015(08)
[5]脑胶质瘤与认知功能障碍[J]. 胡新华,刘宏毅. 中国微侵袭神经外科杂志. 2014(09)
[6]大脑胶质瘤病磁共振成像结合磁共振波谱成像的诊断价值[J]. 李文清. 实用医学影像杂志. 2014(02)
[7]基于Relief和SVM-RFE的组合式SNP特征选择[J]. 吴红霞,吴悦,刘宗田,雷州. 计算机应用研究. 2012(06)
[8]基于SVM-RFE的水稻抗病基因筛选[J]. 付媛,王岩,周柚,张帆,王珏鑫,梁艳春. 吉林大学学报(理学版). 2011(06)
[9]生物信息学中基因芯片的特征选择技术综述[J]. 周昉,何洁月. 计算机科学. 2007(12)
[10]系统生物学及其研究进展[J]. 林辉,熊鸿燕. 重庆医学. 2005(09)
博士论文
[1]利用生物信息学方法筛选胶质瘤的差异表达基因及其相关机制[D]. 胡国章.吉林大学 2015
[2]cDNA芯片和Oligo芯片在人脑胶质瘤特异性靶标研究中的应用[D]. 姚智强.第二军医大学 2007
硕士论文
[1]基于异构网络的致病基因预测方法研究[D]. 郝岩.大连理工大学 2018
本文编号：3385606
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
健康成人前脑基因调控网络图
32图 4-2 健康成人后脑基因调控网络图4.1.2 大脑基因调控网络（患病成人）为研究胶质瘤相关的重要基因，因此也需要有患病成人大脑的基因调控网络进行相同实验来进行对比分析。我们利用的是患神经元相关癌症的成人大脑基因调控网络（neuron associated cancer GRN）数据。同样，网络的节点为基因，边为基因之间的相互作用关系，边的权值代表完成某项生命功能时基因之间相互作用关系的可能性。网络结构图见 4-3，具体数据描述见表 4-1。
图 4-3 神经元相关癌症疾病患者大脑基因调控网络图表 4-1 大脑-基因调控网络节点-边的详细数据情况（原始数据）网络 节点数 边数健康成人前脑-基因调控网络（forebrain GRN） 16072 2662324健康成人后脑-基因调控网络（hindbrain GRN） 16005 2606819神经元相关癌症成人患者大脑-基因调控网络(neuron associated cancer GRN)16219 26542874.2 网络可控性分析及基因分类复杂网络最早是由欧拉格尼斯堡七桥环游问题发展过来的，可以说它的前身是图论问题，随着人们的发现，逐渐出现了规则网络、随机网络、小世界网络、无标度网络等等，而很多研究证明，实际中我们研究的网络更多的属于无标度网络，网络节点的连接情况严重不均衡，少数中心节点（hub 节点）在网络运行中起着主导作
【参考文献】：
期刊论文
[1]基于CFS-mRMR特征筛选方法和Adaboost算法的胶质瘤相关基因筛选及预测模型的建立[J]. 邱纯,马巧蓉,赵曼曼,苏强,钟美佐. 现代生物医学进展. 2019(01)
[2]基于矩阵分解的DeepWalk链路预测算法[J]. 冶忠林,曹蓉,赵海兴,张科,朱宇. 计算机应用研究. 2020(02)
[3]基于DeepWalk的社团检测方法[J]. 彭欣宇. 电脑知识与技术. 2018(04)
[4]基于SVM-RFE-BPSO算法的特征选择方法[J]. 林俊,许露,刘龙. 小型微型计算机系统. 2015(08)
[5]脑胶质瘤与认知功能障碍[J]. 胡新华,刘宏毅. 中国微侵袭神经外科杂志. 2014(09)
[6]大脑胶质瘤病磁共振成像结合磁共振波谱成像的诊断价值[J]. 李文清. 实用医学影像杂志. 2014(02)
[7]基于Relief和SVM-RFE的组合式SNP特征选择[J]. 吴红霞,吴悦,刘宗田,雷州. 计算机应用研究. 2012(06)
[8]基于SVM-RFE的水稻抗病基因筛选[J]. 付媛,王岩,周柚,张帆,王珏鑫,梁艳春. 吉林大学学报(理学版). 2011(06)
[9]生物信息学中基因芯片的特征选择技术综述[J]. 周昉,何洁月. 计算机科学. 2007(12)
[10]系统生物学及其研究进展[J]. 林辉,熊鸿燕. 重庆医学. 2005(09)
博士论文
[1]利用生物信息学方法筛选胶质瘤的差异表达基因及其相关机制[D]. 胡国章.吉林大学 2015
[2]cDNA芯片和Oligo芯片在人脑胶质瘤特异性靶标研究中的应用[D]. 姚智强.第二军医大学 2007
硕士论文
[1]基于异构网络的致病基因预测方法研究[D]. 郝岩.大连理工大学 2018
本文编号：3385606
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3385606.html
