免疫治疗贝叶斯基因调控网络的建模与免疫算法优化研究
发布时间：2021-06-13 14:11
随着生物科学技术的不断研究发展,免疫治疗已应用于肿瘤、自身免疫性疾病等复杂疾病治疗过程中。疾病的发生是多基因间的复杂相互作用的结果,孤立地研究单个基因及其表达往往不能够确切地反映疾病发生、转移等内在规律,因此在后基因组时代,研究整个基因组的功能和动态变化规律是疾病免疫治疗中的研究热点之一。而通过基因调控网络建模有助于理解免疫系统中与疾病相关基因及其产物的生成过程和调控关系、疾病发生的原理和过程,从而实现对疾病的整体认识。基因调控网络建模在疾病治疗的发现诊断、控制和治疗,药物的筛选和研制方面都能做出贡献,对人类疾病预防及健康具有重要的影响。因此,通过基因表达数据构建出基因调控网络,发现基因之间的调控关系,寻找靶向基因,成为目前在疾病免疫治疗研究中的基础和热点。但是由于现在基因调控网络构建模型种类多、计算复杂,需要更多的改进优化研究。比较了现有的网络模型后,选择贝叶斯网络模型作为基因调控网络建模的基础模型。并通过对免疫算法的调研,发现免疫算法能够较好地解决NP-hard难题,受此启发,改进了免疫算法,提出了用改进型免疫算法学习贝叶斯网络结构的基因调控网络构建算法,提高了构建网络结构的准确率...
【文章来源】：东华大学上海市 211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】：
免疫治疗基因调控的网络图
免疫治疗贝叶斯基因调控网络的建模与免疫算法优化研究8图2-1免疫治疗基因调控的网络图基因调控网络建模是通过对基因表达数据的处理分析，寻找最能代表数据间联系的网络图。由于基因调控网络过于复杂，在建模时会对其进行简化处理，一般表示为图模型或网络的形式。从网络结构上看可将其简化成由节点和边组成的有向图结构，如图2-2所示。图2-2基因调控网络简化图图中的圆圈表示节点，节点表示调控网络元素，如基因、蛋白质等；边表示生物分子间的调控关系，有向边表示调控增强作用，即诱导其它基因进行转录，末端有短线的有向边表示表达抑制作用，即抑制其它基因转录的活性。2.3免疫治疗基因调控网络模型的构建近年来，已有各式各样的数学模型被应用于逆向工程的基因调控网络建模研究过程中，这些模型都对真实的基因调控网络在不同程度上进行了抽象化处理。其中，比较典型的有关联网络模型、贝叶斯网络模型、布尔网络模型、线性组合
免疫治疗贝叶斯基因调控网络的建模与免疫算法优化研究10时间点t时的基因表达，右边为对应的时间点t1时的基因表达。图2-3布尔网络模型布尔网络最大的优点在于其简单性和直截了当性，速度快，效率高。此外，布尔网络还应用了时间离散和同步更新。但是对于基因调控网络建模来说只是一种简化的离散模型，对网络的模拟较为粗糙，将基因的状态值只定性为表达和不表达两种，忽视了各基因表达水平的差异，不符合实际基因表达的连续性过程，仅仅使用逻辑规则来推断基因表达容易造成错误的结果。因此，不选用此网络模型进行改进，以设计免疫治疗基因调控网络模型。2.3.2线性组合模型和加权矩阵模型的建模方法分析线性组合模型和加权矩阵模型都是连续网络模型，它们比较相似，经常被归为一类，即“粗网模型”。原因是，在这两种模型中，一个基因的表达值都是其他基因表达值的加权和[25-27]，可表示为：1()()niijjjxtwxt（2-3）式中，ijw表示基因i、j间的调控关系，若0ijw则基因j对基因i表达有激励作用，若0ijw则基因j对基因i的表达有抑制作用，若0ijw时表示基因j对基因i不存在调控作用。线性组合模型中，通常采用线性差分方程组的形式描述基因表达水平随时间的连续变化趋势，分析各个基因的表达行为，并且表现出了基因表达数据的连续性特点，能很好的拟和基因表达实验数据[27]。加权矩阵模型区别于线性组合模型的地方是多了一次基因i最终转录响应的非线性影射过程，非线性影射函数多使用Sigmoid函数表示：
【参考文献】：
期刊论文
[1]癌症免疫治疗的利器——2018年诺贝尔生理学或医学奖简介[J]. 温铭杰,于明航,王玺. 首都医科大学学报. 2018(05)
[2]贝叶斯方法的基因调控网络在医学领域的应用[J]. 刘飞,张庭. 自动化技术与应用. 2018(03)
[3]旅行商问题最优路径的改进免疫遗传算法[J]. 孔令夷. 数学杂志. 2015(02)
[4]肿瘤免疫治疗的研究进展[J]. 魏晓莉. 国际药学研究杂志. 2014(01)
[5]蚁群算法与免疫算法的融合及其在TSP中的应用[J]. 刘朝华,张英杰,章兢,吴建辉. 控制与决策. 2010(05)
[6]改进的免疫算法在函数优化中的应用[J]. 谢景新,程春田,仝磊光. 哈尔滨工业大学学报. 2009(07)
[7]一种基于种群划分及杂交的免疫遗传算法[J]. 武妍,李儒耘. 计算机工程. 2008(03)
[8]基于疫苗接种的免疫算法[J]. 孙晓亮,邵定宏. 计算机工程与设计. 2007(16)
[9]免疫算法研究的进展[J]. 蔡自兴,龚涛. 控制与决策. 2004(08)
[10]一种新的免疫算法[J]. 余建军,郑锋,孙树栋. 计算机工程与应用. 2004(23)
本文编号：3227681
【文章来源】：东华大学上海市 211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】：
免疫治疗基因调控的网络图
免疫治疗贝叶斯基因调控网络的建模与免疫算法优化研究8图2-1免疫治疗基因调控的网络图基因调控网络建模是通过对基因表达数据的处理分析，寻找最能代表数据间联系的网络图。由于基因调控网络过于复杂，在建模时会对其进行简化处理，一般表示为图模型或网络的形式。从网络结构上看可将其简化成由节点和边组成的有向图结构，如图2-2所示。图2-2基因调控网络简化图图中的圆圈表示节点，节点表示调控网络元素，如基因、蛋白质等；边表示生物分子间的调控关系，有向边表示调控增强作用，即诱导其它基因进行转录，末端有短线的有向边表示表达抑制作用，即抑制其它基因转录的活性。2.3免疫治疗基因调控网络模型的构建近年来，已有各式各样的数学模型被应用于逆向工程的基因调控网络建模研究过程中，这些模型都对真实的基因调控网络在不同程度上进行了抽象化处理。其中，比较典型的有关联网络模型、贝叶斯网络模型、布尔网络模型、线性组合
免疫治疗贝叶斯基因调控网络的建模与免疫算法优化研究10时间点t时的基因表达，右边为对应的时间点t1时的基因表达。图2-3布尔网络模型布尔网络最大的优点在于其简单性和直截了当性，速度快，效率高。此外，布尔网络还应用了时间离散和同步更新。但是对于基因调控网络建模来说只是一种简化的离散模型，对网络的模拟较为粗糙，将基因的状态值只定性为表达和不表达两种，忽视了各基因表达水平的差异，不符合实际基因表达的连续性过程，仅仅使用逻辑规则来推断基因表达容易造成错误的结果。因此，不选用此网络模型进行改进，以设计免疫治疗基因调控网络模型。2.3.2线性组合模型和加权矩阵模型的建模方法分析线性组合模型和加权矩阵模型都是连续网络模型，它们比较相似，经常被归为一类，即“粗网模型”。原因是，在这两种模型中，一个基因的表达值都是其他基因表达值的加权和[25-27]，可表示为：1()()niijjjxtwxt（2-3）式中，ijw表示基因i、j间的调控关系，若0ijw则基因j对基因i表达有激励作用，若0ijw则基因j对基因i的表达有抑制作用，若0ijw时表示基因j对基因i不存在调控作用。线性组合模型中，通常采用线性差分方程组的形式描述基因表达水平随时间的连续变化趋势，分析各个基因的表达行为，并且表现出了基因表达数据的连续性特点，能很好的拟和基因表达实验数据[27]。加权矩阵模型区别于线性组合模型的地方是多了一次基因i最终转录响应的非线性影射过程，非线性影射函数多使用Sigmoid函数表示：
【参考文献】：
期刊论文
[1]癌症免疫治疗的利器——2018年诺贝尔生理学或医学奖简介[J]. 温铭杰,于明航,王玺. 首都医科大学学报. 2018(05)
[2]贝叶斯方法的基因调控网络在医学领域的应用[J]. 刘飞,张庭. 自动化技术与应用. 2018(03)
[3]旅行商问题最优路径的改进免疫遗传算法[J]. 孔令夷. 数学杂志. 2015(02)
[4]肿瘤免疫治疗的研究进展[J]. 魏晓莉. 国际药学研究杂志. 2014(01)
[5]蚁群算法与免疫算法的融合及其在TSP中的应用[J]. 刘朝华,张英杰,章兢,吴建辉. 控制与决策. 2010(05)
[6]改进的免疫算法在函数优化中的应用[J]. 谢景新,程春田,仝磊光. 哈尔滨工业大学学报. 2009(07)
[7]一种基于种群划分及杂交的免疫遗传算法[J]. 武妍,李儒耘. 计算机工程. 2008(03)
[8]基于疫苗接种的免疫算法[J]. 孙晓亮,邵定宏. 计算机工程与设计. 2007(16)
[9]免疫算法研究的进展[J]. 蔡自兴,龚涛. 控制与决策. 2004(08)
[10]一种新的免疫算法[J]. 余建军,郑锋,孙树栋. 计算机工程与应用. 2004(23)
本文编号：3227681
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3227681.html
