基于神经网络的蛋白质模块和生物标识物识别算法研究
发布时间：2021-05-06 14:14
进入21世纪,随着各类生物测序技术的发展,产生了越来越多的生物学数据,包括基因组数据、转录组数据和蛋白组数据等。借助机器学习方法从这些海量的组学数据中挖掘有价值的信息,将促进人们对疾病的认知、诊断以及治疗。细胞是构成生物体的基本单位,而细胞的功能是通过不同的生物分子实现的,这些生物分子包括蛋白质、RNA以及DNA等。细胞中任何分子的异常,都有可能导致细胞功能紊乱和疾病的发生。蛋白质是一类有机大分子,蛋白质相互作用网络是一种由蛋白质之间的相互关系构成的网络,对蛋白质相互作用网络的研究不仅能促进系统理解各种生物学过程、揭示疾病的机理、而且对疾病的诊断治疗起到积极的作用。miRNA是一类长度约为22个核苷酸的非编码RNA分子,许多miRNA与人类的疾病密切相关,利用已知的miRNA-疾病关系识别新的疾病相关miRNA,可以有效的辅助预测治疗靶点和协助疾病的诊断。基因是具有遗传效应的DNA片段,很多疾病都与基因表达异常密切相关,利用患者的基因表达数据发现异常表达的基因将对疾病的提前诊断和治疗具有重要的指导意义。本文主要结合神经网络模型,对蛋白质、miRNA以及基因相关的组学数据进行研究,提出了...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：117 页
【学位级别】：博士
【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
1.1 研究背景和意义
1.2 主要研究内容及主要创新点
1.3 论文组织结构
1.4 小结
2 相关研究概述
2.1 机器学习
2.1.1 机器学习的发展历程
2.1.2 神经网络模型
2.1.3 机器学习在医疗领域的应用
2.2 疾病相关生物分子
2.2.1 基因
2.2.2 小分子核糖核酸
2.2.3 蛋白质
2.3 蛋白质功能模块检测研究现状
2.4 疾病与小分子核糖核酸关系预测研究现状
2.5 肿瘤预后标记物识别研究现状
2.6 小结
3 结合神经网络和局部结构信息的蛋白质功能模块检测算法
3.1 概述
3.2 结合神经网络和局部结构信息的蛋白质功能模块检测算法
3.2.1 内接邻居和外接邻居点集的定义
3.2.2 特征提取
3.2.3 基于神经网络模型和局部结构信息的打分函数
3.2.4 双向搜索算法
3.3 实验结果与分析
3.3.1 评估方法和数据集
3.3.2 参数的选择
3.3.3 ClusterSS与有监督以及半监督算法的对比
3.3.4 ClusterSS与无监督学习方法的对比
3.4 案例分析
3.4.1 三个已知模块预测结果的可视化对比
3.4.2 对新预测的蛋白质模块进行GO分析
3.5 小结
4 基于多层感知回归模型的miRNA疾病关系预测算法
4.1 概述
4.2 基于多层感知模型的miRNA疾病关系预测算法
4.2.1 高斯相互作用属性核相似度
4.2.2 基于边扰动的边特征提取方法
4.2.3 miRNA与疾病关系预测算法EPMDA
4.3 实验结果分析
4.3.1 人类miRNA与疾病关系数据
4.3.2 交叉验证方法
4.3.3 参数l的选择
4.3.4 EPMDA算法与其他算法的性能对比
4.3.5 时间复杂度分析
4.4 基于miRNA的肾癌生物标记物
4.5 小结
5 基于自编码器的黑色素细胞瘤预后标记物识别算法
5.1 概述
5.2 基于自编码器的黑色素细胞瘤基因签名检测算法
5.2.1 数据预处理
5.2.2 自动编码机进行特征提取
5.2.3 基于自编码器的预后标记物识别算法
5.3 结果分析
5.3.1 数据集
5.3.2 基于自编码器与基于PCA的预后标记物的生存分析对比
5.3.3 预后标记物S_H和S_L的生物意义
5.3.4 标记物S_H和S_L预测转移性黑色素细胞瘤病人预后
5.3.5 标记物S_H可以预测Ⅲ期病人的预后
5.3.6 结合S_H和S_L能提高临床信息对病人预后的预测性能
5.3.7 标记物S_H和S_L可以预测药物反应
5.4 小结
6 结论与展望
6.1 结论
6.2 下一步工作与展望
参考文献
附录 A 四个新预测蛋白质模块的GO分析结果
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]蛋白质相互作用网络功能模块检测的研究综述[J]. 冀俊忠,刘志军,刘红欣,刘椿年. 自动化学报. 2014(04)
本文编号：3172067
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：117 页
【学位级别】：博士
【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
1.1 研究背景和意义
1.2 主要研究内容及主要创新点
1.3 论文组织结构
1.4 小结
2 相关研究概述
2.1 机器学习
2.1.1 机器学习的发展历程
2.1.2 神经网络模型
2.1.3 机器学习在医疗领域的应用
2.2 疾病相关生物分子
2.2.1 基因
2.2.2 小分子核糖核酸
2.2.3 蛋白质
2.3 蛋白质功能模块检测研究现状
2.4 疾病与小分子核糖核酸关系预测研究现状
2.5 肿瘤预后标记物识别研究现状
2.6 小结
3 结合神经网络和局部结构信息的蛋白质功能模块检测算法
3.1 概述
3.2 结合神经网络和局部结构信息的蛋白质功能模块检测算法
3.2.1 内接邻居和外接邻居点集的定义
3.2.2 特征提取
3.2.3 基于神经网络模型和局部结构信息的打分函数
3.2.4 双向搜索算法
3.3 实验结果与分析
3.3.1 评估方法和数据集
3.3.2 参数的选择
3.3.3 ClusterSS与有监督以及半监督算法的对比
3.3.4 ClusterSS与无监督学习方法的对比
3.4 案例分析
3.4.1 三个已知模块预测结果的可视化对比
3.4.2 对新预测的蛋白质模块进行GO分析
3.5 小结
4 基于多层感知回归模型的miRNA疾病关系预测算法
4.1 概述
4.2 基于多层感知模型的miRNA疾病关系预测算法
4.2.1 高斯相互作用属性核相似度
4.2.2 基于边扰动的边特征提取方法
4.2.3 miRNA与疾病关系预测算法EPMDA
4.3 实验结果分析
4.3.1 人类miRNA与疾病关系数据
4.3.2 交叉验证方法
4.3.3 参数l的选择
4.3.4 EPMDA算法与其他算法的性能对比
4.3.5 时间复杂度分析
4.4 基于miRNA的肾癌生物标记物
4.5 小结
5 基于自编码器的黑色素细胞瘤预后标记物识别算法
5.1 概述
5.2 基于自编码器的黑色素细胞瘤基因签名检测算法
5.2.1 数据预处理
5.2.2 自动编码机进行特征提取
5.2.3 基于自编码器的预后标记物识别算法
5.3 结果分析
5.3.1 数据集
5.3.2 基于自编码器与基于PCA的预后标记物的生存分析对比
5.3.3 预后标记物S_H和S_L的生物意义
5.3.4 标记物S_H和S_L预测转移性黑色素细胞瘤病人预后
5.3.5 标记物S_H可以预测Ⅲ期病人的预后
5.3.6 结合S_H和S_L能提高临床信息对病人预后的预测性能
5.3.7 标记物S_H和S_L可以预测药物反应
5.4 小结
6 结论与展望
6.1 结论
6.2 下一步工作与展望
参考文献
附录 A 四个新预测蛋白质模块的GO分析结果
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]蛋白质相互作用网络功能模块检测的研究综述[J]. 冀俊忠,刘志军,刘红欣,刘椿年. 自动化学报. 2014(04)
本文编号：3172067
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3172067.html
