基于网络拓扑信息的疾病miRNA预测算法研究

发布时间：2020-04-02 19:20

【摘要】：研究表明,疾病的产生与microRNAs(miRNA)调控异常有关,发现疾病相关的miRNA有助于研究疾病发病机制和治愈手段。然而,通过生物实验方式获取准确关联关系,花费大,周期长。因此,通过计算方式预测疾病-miRNA关系成为目前研究热点,并具有重要意义。在目前疾病-miRNA关系预测研究中,利用已知的疾病-miRNA关系构建生物网络,对未知连接中存在潜在连接的可能性进行计算,并按照可能性分数高低进行排序,从而向实验人员推荐分数较高的候选miRNAs。本文在生物网络基础上,结合网络内部拓扑信息,对疾病-miRNA预测算法进行研究,主要是以下三个工作:(1)构建了疾病-miRNA双层网络,并利用网络嵌入方法结合网络中权重信息和连接关系信息,从而提出了一种基于网络表示学习的疾病-miRNA预测算法。在预测结果分析和经典算法对比中,证实了方法的有效性和优越性。(2)针对网络表示学习的预测方法,从不同的角度提出了两点改进。通过加入基因节点改进网络结构,增加了网络拓扑信息以及利用DeepWalk算法改变网络编码方式,避免了搭建相似网络。通过结果分析和算法对比,证明了改进算法的有效性,并能极大提高预测效果。(3)为了利用网络拓扑信息,提出了一种基于机器学习模型的疾病-miRNA预测方法。该方法基于外部数据计算的相似矩阵和内部挖掘的拓扑向量矩阵两个方面构造特征,从而融合了外部生物信息和内部拓扑结构信息。实验结果显示算法能有效预测疾病-miRNA连接,而且明显优于对比方法。同时,疾病案例分析中推荐的前30个候选miRNAs基本都能得到数据库证实。
【图文】：

NATarBase 7.0 收录了 23 个物种的 4076 种 miRNA 类型，23054 种靶基因，422517miRNA-靶基因相互作用关系，可以通过该数据库获取 miRNA 相关信息，比如靶等信息。miRBase 是一个提供了 miRNA 命名[40]，中心位置，目标信息，主要证信息的数据库，截止到 2018 年 3 月，microRNA 的信息已上升至 38,589 条。我以从该数据库获取 miRNA 在染色体位置，所属家族等信息。DisGeNET 收集人病相关的基因数据，，当前 v6.0 版本收录了 17549 个基因和 24166 个疾病之间的685 个基因-疾病关联（GDAs），我们可以通过该数据库获取疾病和基因关系。EMC 和 miR2Disease 数据库，作为独立的数据库，包含了疾病-miRNA 关系数据，对算法预测结果进行验证。其中，dbDEMC 是与癌症相关的 miRNA 数据库，该库包含 36 种癌症类型中的 2224 种差异表达的 miRNAs。另外，miR2Disease 收与疾病相关的 miRNA 调控异常的各种资源，该数据库包含 299 种 miRNAs，94类疾病和 1939 种疾病-miRNA 关系，数据库具体来源见表 2.5 所示。

图2.5两种疾病前100个候选miRNA的PRE值
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R440;TP181

【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 陈明诺;基于人-车-路-交通系统的车速预测算法研究[D];南京航空航天大学;2019年

2 关莹莹;基于深度学习的ITS短时交通流量预测算法研究[D];哈尔滨工业大学;2019年

3 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

4 宋耀波;基于局部子图的链路预测算法及在网络重构中的应用[D];国防科技大学;2017年

5 范东皖;二分网络中节点预测算法的研究[D];沈阳航空航天大学;2019年

6 孟晓宇;链路预测算法的改进及其在产业结构调整中的应用研究[D];青岛大学;2019年

7 代金龙;社交网络中的影响力模型构建及链接预测算法[D];山东科技大学;2018年

8 高鹏;基于网络拓扑信息的疾病miRNA预测算法研究[D];华中科技大学;2019年

9 李兆虎;基于交互度的链接预测算法研究[D];云南大学;2018年

10 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

本文编号：2612342