基于多核融合的疾病关联miRNA预测方法研究

发布时间：2021-05-07 14:56

　　MicroRNAs（miRNAs）是一类非基因编码小分子RNA,在基因转录后水平发挥了调控基因翻译表达的重要作用。它通过碱基互补配对的生物学方式有效地诱导靶点mRNA（信使RNA）的降解或抑制mRNA的翻译和表达。最近的一系列研究表明,miRNA在细胞的生命历程、器官的生长发育等多种生物学过程中发挥着重要的调控作用。因此,miRNA的异常调控也导致了许多复杂人类疾病的发生和发展。为了有效克服传统生物实验方式的缺点和局限性,近年来陆续提出了各种基于生物信息学的方法来预测miRNA与疾病的关联关系。目前,对miRNA与疾病之间的关联研究主要集中在基于网络结构的研究和基于机器学习算法的研究。本文提出的第一种方法为自加权多核多标签学习框架SwMKML。SwMKML自适应地学习到两个空间的最优核和相似矩阵。根据图的多标签学习模型,同步更新两个空间的miRNA与疾病的关联预测分数。SwMKML采用自加权的方式解决了以往实验中最优核的选择问题。SwMKML方法的优势在于仅仅使用一个关联矩阵就能完成miRNA与疾病关联关系的预测,并且能够预测新的疾病。本文提出的第二种方法为最近邻图正则化矩阵分解模型N... 

【文章来源】：山东师范大学山东省

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
    1.3 本文研究内容及创新
    1.4 本文结构安排
第二章 miRNA与疾病
    2.1 miRNA与疾病的关系
    2.2 miRNA与疾病的关系识别
        2.2.1 基于生物实验的miRNA-疾病预测
        2.2.2 基于生物信息学的miRNA-疾病预测
            2.2.2.1 基于网络结构的预测模型
            2.2.2.2 基于机器学习的预测模型
    2.3 性能验证方法
    2.4 miRNA与疾病相关数据库
第三章 自加权多核多标签学习模型的研究
    3.1 相关工作
    3.2 数据集
        3.2.1 疾病语义相似矩阵
        3.2.2 miRNA功能相似矩阵
        3.2.3 高斯相互作用谱核矩阵
    3.3 计算模型描述
        3.3.1 矩阵核化
        3.3.2 自加权多核多标签学习
    3.4 实验结果
        3.4.1 性能评估
        3.4.2 参数分析
        3.4.3 收敛分析
        3.4.4 案例分析
    3.5 本章小结
第四章 最近邻图正则化矩阵分解模型的研究
    4.1 相关工作
    4.2 计算模型描述
        4.2.1 预处理
        4.2.2 最近邻图正则化矩阵分解
    4.3 实验结果
        4.3.1 性能评估
        4.3.2 参数分析
        4.3.3 收敛和约束分析
        4.3.4 案例分析
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间的主要成果
致谢


【参考文献】：
期刊论文
[1]Does gemcitabine-based combination therapy improve the prognosis of unresectable pancreatic cancer?[J]. Daniel Ansari,Roland Andersson.  World Journal of Gastroenterology. 2012(35)

博士论文
[1]靶向VEGF的miR-126在结直肠癌侵袭和血管生成过程中的调控作用[D]. 张昱.南方医科大学 2012
[2]基于生物网络的疾病microRNA挖掘技术研究[D]. 蒋庆华.哈尔滨工业大学 2010
[3]面向基因表达数据的致病基因挖掘方法研究[D]. 张焕萍.南京航空航天大学 2009



本文编号：3173592