基于相似度计算与卷积神经网络的疾病相关联miRNA预测研究

发布时间：2022-10-21 16:05

　　MicroRNA（miRNA）是由20~24个核苷酸构成的一类微小内源性单链的非编码RNAs。目前的许多研究表明,miRNAs和众多人类疾病关联密切。同时,miRNAs也和表型存在很强的联系。在此基础上,考虑利用miRNA作为生物标志物来标记不同人类疾病的可能性,以及利用miRNA和人类疾病的关联关系帮助研究人员深入理解疾病病因的分子机制,进而对相关疾病的药物开发和防治做出重要的贡献。因此,利用生物信息学探明每种miRNA和每种人类疾病之间的关联关系成为当下的一个研究热点。基于相似度计算的计算预测方法主要可以分为两类:一类是基于已知关联关系构建网络的方法,需求高性能的生物网络;另一类则是基于机器学习的方法,需求负样本集。本文使用相似度计算方法整合多源生物数据构建高质量的相似度数据,并结合卷积神经网络,探明未知的miRNA-疾病关联关系,由此提出两种计算模型。其一,基于正样本学习的miRNA与疾病关联关系预测方法。利用正样本提取miRNA和疾病在共享低维度空间中映射的隐特征,通过映射后的miRNA和疾病各自的潜在特征向量为每个miRNA-疾病关系对构造特征表达。最后利用卷积神经网络完成关... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
    1.3 论文主要研究内容与章节安排
        1.3.1 本课题内容与研究方法
        1.3.2 章节安排
第2章 相似度计算方法与卷积神经网络介绍
    2.1 关联关系数据
    2.2 疾病间相似度的计算方法
        2.2.1 疾病的语义相似度
        2.2.2 疾病的功能性相似度
        2.2.3 疾病的GIP核函数相似度
    2.3 miRNA间相似度计算
        2.3.1 miRNA功能性相似度
        2.3.2 miRNA的 GIP核函数相似度
    2.4 相似度集成方法
    2.5 卷积神经网络介绍
    2.6 本章小结
第3章 基于正样本学习的MIRNA-疾病关联关系预测
    3.1 引言
    3.2 非负矩阵分解算法
    3.3 基于正样本提取隐特征的学习框架
        3.3.1 学习框架描述
        3.3.2 基于正样本提取隐特征
        3.3.3 卷积神经网络推断关联关系
    3.4 实验相关与结果分析
        3.4.1 实验前准备
        3.4.2 性能对比实验
        3.4.3 案例分析
    3.5 本章小结
第4章 基于MIRNA-疾病网络模型的关联预测算法
    4.1 引言
    4.2 miRNA-基因-疾病推断网络
        4.2.1 网络的构建
        4.2.2 网络推断提取特征
    4.3 miRNA-基因-疾病关联网络
        4.3.1 基因间的相似度计算
        4.3.2 网络构建与特征提取
    4.4 卷积神经网络预测关联
    4.5 实验相关结果与分析
        4.5.1 实验前准备
        4.5.2 性能对比实验
        4.5.3 案例分析
    4.6 本章小结
总结与期望
    1.总结
    2.展望
参考文献
攻读学位期间发表的学术论文
附录
致谢


【参考文献】：
期刊论文
[1]miRNA与疾病关联关系预测算法[J]. 郭茂祖,王诗鸣,刘晓燕,田侦.  软件学报. 2017(11)
[2]疾病基因网络的二分图投影分析[J]. 陈文琴,陆君安,梁佳.  复杂系统与复杂性科学. 2009(01)



本文编号：3695961