生物关联预测算法的系统分析和应用研究

发布时间：2020-04-29 00:06

【摘要】：生命科学或医学中常常需要预测某些实体之间的关联,例如疾病和基因之间的关系。当前,大多数生物关联研究都是通过实验的方式来进行。通过生物实验的方法通常需要消耗大量的人力、物力和财力,而生物实体数据规模大,其组合很难穷尽,因此存在大量未被实验验证的关联。因此实验之前确定可能的关联候选集合是一个重要的问题。通过计算确定可能的潜在关联候选集合成为生物信息学当前的研究热点。例如在lncRNA与蛋白质、miRNA与疾病和药物与靶标的领域有很多基于计算的关联预测算法,也有比较新的关联问题,例如病毒与宿主的关系预测问题上还较少有基于计算方法。一般期望生物关联预测的算法具有很强的通用性,可以迁移到其他领域的关联预测问题。为了调查当前这些算法的适用性和效果,本文系统综述了预测生物关联的计算方法方面5个当前性能最好的算法。本文系统综述了这些算法的构造和应用,并根据lncRNA与蛋白质、miRNA与疾病和病毒与宿主三个生物领域关联数据的特点分别选取了合适的相似矩阵构造方法,作为算法的输入,从而在不同的领域应用,发现了不同领域最适合的相似性和最适合的算法。综合分析在相似性和算法对预测结果的影响,分析了算法对相似度变化的稳定性和对数据变化的稳定性。最后综合考虑性能和稳定性分别对三个不同领域选取最适合的算法。综上,本文在系统研究和评估了三个生物关联领域五个具体的算法,提出了针对数据特点合理设计相似度矩阵和选择适合的算法,可以有效的提高算法的预测准确度。当前生物关联预测方法的研究比较分散独立,研究者常常忽略了这些问题之间的共性和不同,本文对当前关联预测算法进行了系统分析和评估,这为不同问题的预测算法选择和数据输入提供了有价值的参考。本文所预测的潜在可能连接,为进一步生物实验确定了可行的研究范围,也为更深入地了解生物属性提供了潜在的候选。
【图文】：

图２．邋１药物靶标关联示意图逡逑

在ＤＡＧ（Ｄ）中疾病Ｄ的语义分数定义如下：逡逑ＤＶ１（Ｄ）邋＝ＺｄＴ（Ｄ）ＤｌＤ（ｄ））定义如下：逡逑｜逦１逦ｉｆ邋ｄ邋＝邋Ｄ逡逑Ｄ１ｄ⑷—｜＿ｍａｘ｛Ａ邋＊邋ＤｌＤ（ｄ0｜ｄｆ邋ｅ邋ｄ邋的子节点｝邋ｉｆ邋ｄ邋竽邋Ｄ逡逑义贡献因子。对于疾病Ｄ而言，其自身对于疾病Ｄ的语随着疾病Ｄ与其他疾病之间距离的增加，贡献将会下降。语对疾病Ｄ语义价值的贡献是相同的。如果两种疾病在那么它们的语义相似性就会变得更大。因此疾病ｄ⑴与ｄ），邋ｄ（ｊ））定义如下：逡逑ＳＤ（ｄ邋⑴，ｄＱ）严：糕的关联补全逡逑ＫＮ［？］方法，通过邻居的关联网络，，来推算未知的关联概
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：Q811.4;TP181;TP311.13

【相似文献】

相关期刊论文 前10条

1 雷方元;蔡君;;基于社团特性的链路预测算法的研究[J];广东技术师范学院学报;2015年02期

2 阳敏辉;;浅析几种基本路段行程时间预测算法[J];青春岁月;2017年01期

3 陶陶;;点击科学[J];中国科技教育;2017年03期

4 黄子轩;马超;徐瑾辉;黄江楠;;复杂网络中集聚系数对链路预测算法的影响[J];科技视界;2014年12期

5 郭景峰;代军丽;马鑫;王娟;;针对通信社会网络的时间序列链接预测算法[J];计算机科学与探索;2010年06期

6 张宇;潘国腾;谢伦国;;一种基于人工神经元网络的条件分支预测算法[J];华中科技大学学报(自然科学版);2005年S1期

7 杨旭华;凌非;;一种基于局部社团和全局信息的链路预测算法[J];浙江工业大学学报;2017年01期

8 陆诚;杨威;;改进的广义预测算法在过热气温控制中的应用[J];工业控制计算机;2013年11期

9 杨断利;张立梅;籍颖;吕晶;;河北省风能特征及其对风速预测算法的改进[J];科技传播;2013年06期

10 李菊娥,孙群;基于双线性模型的新协状态预测算法[J];西安电子科技大学学报;1999年02期

相关会议论文 前10条

1 朱斌;樊祥;马东辉;程正东;;窗口大小和权值模板对固定权值背景预测算法的影响[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

2 郭景峰;代军丽;马鑫;王娟;;针对通信社会网络的时间序列链接预测算法[A];第26届中国数据库学术会议论文集（A辑）[C];2009年

3 王云鹏;赵海;司帅宗;王翠荣;;基于邻居修正的随机游走链路预测算法[A];第十二届沈阳科学学术年会论文集（理工农医）[C];2015年

4 王峰;姬冰辉;李斗;;一种基于混沌理论的自相似业务流预测算法研究[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（上）[C];2006年

5 陈娜;戴树岭;;基于模型的遥操作预测算法研究[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年

6 张利萍;李宏光;;改进的灰色预测算法在工业应用中的评价[A];第二届全国信息获取与处理学术会议论文集[C];2004年

7 钱正祥;徐华;张申浩;;数字信号序列的向量预测算法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

8 崔冬;;一种改进的LRP信道预测算法[A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集[C];2006年

9 梁适春;张晓冬;林培峰;牛萌;;一种混合储能光伏发电系统的功率预测算法[A];中国电工技术学会学术年会——新能源发电技术论坛论文集[C];2013年

10 路迎晨;李兵;;一类自适应预测算法的全局收敛性[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

相关重要报纸文章 前1条

1 麦芸编译;体内“天书”待解读[N];医药经济报;2002年

相关博士学位论文 前10条

1 丁静怡;复杂网络的链路预测算法及其应用研究[D];西安电子科技大学;2017年

2 尚可可;基于局部链路预测和零模型的复杂网络结构及稳定性分析[D];西北工业大学;2017年

3 杨育捷;复杂网络下基于拓扑相似性的链路预测研究[D];北京邮电大学;2019年

4 陈其松;智能优化支持向量机预测算法及应用研究[D];贵州大学;2009年

5 卜云;混沌时间序列自适应预测算法研究[D];电子科技大学;2010年

6 马玉韬;基于滤波理论和特征统计的蛋白质编码区预测算法研究[D];天津大学;2013年

7 鲍漪澜;基于支持向量机的金融时间序列分析预测算法研究[D];大连海事大学;2013年

8 李楠;基于火焰自由基成像的NO_x排放预测算法研究[D];华北电力大学(北京);2017年

9 刘辉;铁路沿线风信号智能预测算法研究[D];中南大学;2011年

10 张千明;复杂网络结构分析与链路预测[D];电子科技大学;2016年

相关硕士学位论文 前10条

1 杨晓翠;基于局部网络结构的链路预测算法研究[D];江南大学;2019年

2 吴楠楠;基于深度网络的MOOC辍学预测算法研究[D];西北大学;2019年

3 李兆虎;基于交互度的链接预测算法研究[D];云南大学;2018年

4 张陈浩;生物关联预测算法的系统分析和应用研究[D];华中师范大学;2019年

5 仵筱妍;面向LBS的用户移动行为预测算法研究[D];电子科技大学;2019年

6 龚学辉;基于位置预测的共乘群体发现与优化方法研究[D];长安大学;2019年

7 沈颉;累积干扰预测算法性能实测与实时性提升[D];北京交通大学;2019年

8 曹蓉;基于矩阵分解的链路预测算法研究[D];青海师范大学;2019年

9 蔡宏翔;基于多元属性的媒体热度预测算法[D];上海交通大学;2018年

10 杨强;面向局部群落结构的链路预测算法研究[D];安徽大学;2019年

本文编号：2644014