MicroRNA介导的调控网络在癌症中的构建与分析方法研究
发布时间：2023-02-15 14:40
MicroRNA(miRNA)是一类长度约为22nt的内源性非编码RNA,通过与靶基因的3’UTR进行绑定,在转录后调控过程中抑制靶基因的表达。大量的研究致力于探讨miRNA在疾病发生、发展过程中发挥的功能机制,特别强调它们在癌症中的作用。一般来说,miRNA通过结合靶基因来行使其调控作用,但往往会有其他调控因子(如Transcription Factor,TF和long non-coding RNA,lncRNA)参与协同或阻碍miRNA对其靶基因的调控,这使得调控机制变得复杂。目前已有研究表明,miRNA潜在地参与了多个调控关系,如miRNA结合靶基因,从而构建miRNA-mRNA调控网络;TF与miRNA共同绑定相同的靶基因,从而构建TFmiRNA-mRNA共调控网络;lncRNA和mRNA竞争性结合同一个miRNA,从而构建lncRNA-miRNA-mRNA竞争三元组调控网络。更重要的是,很多研究发现miRNA可能涉及几乎所有生物过程和路径,包括致癌作用。由于调控机制的复杂性加上不同癌症的特异性,miRNA介导的调控网络的构建与分析一直是一个具有挑战性的课题。因此,在本论文中,...
【文章页数】：120 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 miRNA功能模块识别
1.2.2 TF-miRNA共调子网络发现
1.2.3 lncRNA-miRNA-mRNA竞争三元组预测
1.3 本论文主要工作目的及贡献
1.4 论文组织结构
第2章 相关基础计算方法的理论概述
2.1 相关相似性计算方法
2.1.1 皮尔逊相关系数
2.1.2 Jaccard系数
2.1.3 互信息和条件互信息
2.1.4 最大信息系数
2.2 相关聚类算法
2.2.1 Hierarchical Clustering聚类算法
2.2.2 ClusterONE聚类算法
2.2.3 Affinity Propagation聚类算法
2.3 相关统计学理论
2.3.1 零假设
2.3.2 错误发现率
2.3.3 超几何检验
2.3.4 Lasso线性回归模型
2.3.5 生存分析
2.4 本章小结
第3章 miRNA功能模块发现算法CoModule和 ProModule
3.1 引言
3.2 相关工作
3.3 基于共表达相关性的miRNA调控模块发现算法CoModule
3.3.1 CoModule算法框架
3.3.2 CoModule的具体算法步骤
3.3.2.1 利用粗糙集识别共表达miRNA簇
3.3.2.2 利用Lasso重构miRNA-mRNA调控网络
3.3.3 实验数据
3.3.4 实验及结果分析
3.3.4.1 模块的拓扑结构
3.3.4.2 miRNA家族分析
3.3.4.3 模块靶基因的功能富集分析
3.3.4.4 模块的生存分析
3.3.5 本节小结
3.4 基于先验临床信息的miRNA预后模块发现算法ProModule
3.4.1 ProModule算法框架
3.4.2 ProModule的具体算法步骤
3.4.2.1 识别具有预后特征的个体miRNA
3.4.2.2 利用MIC计算miRNA共表达相关性矩阵
3.4.2.3 利用AP识别miRNA簇
3.4.2.4 向miRNA簇添加靶基因
3.4.3 实验数据
3.4.4 实验及结果分析
3.4.4.1 模块的拓扑结构分析
3.4.4.2 miRNA模块的预后特征分析
3.4.4.3 miRNA模块靶基因生物功能富集分析
3.4.5 本节小结
3.5 本章小结
第4章 基于二分图的TF-miRNA共调控子网络挖掘算法BiModule
4.1 引言
4.2 相关工作
4.3 BiModule算法框架
4.3.1 利用Lasso重构癌症特异性regulator-mRNA二分图网络
4.3.2 利用MICA枚举和挑选最大二分子图
4.3.3 最大二分子图模块化
4.4 实验数据
4.5 实验及结果分析
4.5.1 共调控子网络的拓扑特征分析
4.5.2 共调控子网络中靶基因的功能富集分析
4.5.3 共调控子网络的生存分析
4.6 本章小节
第5章 基于统计学的lncRNA-miRNA-mRNA竞争三元组发现算法lncTriplet
5.1 引言
5.2 相关工作
5.3 lncTriplet算法框架
5.3.1 利用双随机游走进行关系对预测
5.3.2 计算lncRNA对 miRNA-mRNA调控的扰动力度
5.3.3 利用零假设识别癌症特异性的竞争三元组
5.4 实验数据
5.5 实验及结果分析
5.5.1 实验结果评价和方法比较
5.5.2 两个预测算法的性能比较
5.5.3 △I值直方图的参数估计
5.5.4 分析PTENP1-miRNA-PTEN三元组△I值
5.5.5 分析竞争三元组的表达相关性
5.6 本章小结
结论
参考文献
附录 A 攻读学位期间所发表的学术论文
附录 B 攻读学位期间所参加的科研项目
致谢
本文编号：3743381
【文章页数】：120 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 miRNA功能模块识别
1.2.2 TF-miRNA共调子网络发现
1.2.3 lncRNA-miRNA-mRNA竞争三元组预测
1.3 本论文主要工作目的及贡献
1.4 论文组织结构
第2章 相关基础计算方法的理论概述
2.1 相关相似性计算方法
2.1.1 皮尔逊相关系数
2.1.2 Jaccard系数
2.1.3 互信息和条件互信息
2.1.4 最大信息系数
2.2 相关聚类算法
2.2.1 Hierarchical Clustering聚类算法
2.2.2 ClusterONE聚类算法
2.2.3 Affinity Propagation聚类算法
2.3 相关统计学理论
2.3.1 零假设
2.3.2 错误发现率
2.3.3 超几何检验
2.3.4 Lasso线性回归模型
2.3.5 生存分析
2.4 本章小结
第3章 miRNA功能模块发现算法CoModule和 ProModule
3.1 引言
3.2 相关工作
3.3 基于共表达相关性的miRNA调控模块发现算法CoModule
3.3.1 CoModule算法框架
3.3.2 CoModule的具体算法步骤
3.3.2.1 利用粗糙集识别共表达miRNA簇
3.3.2.2 利用Lasso重构miRNA-mRNA调控网络
3.3.3 实验数据
3.3.4 实验及结果分析
3.3.4.1 模块的拓扑结构
3.3.4.2 miRNA家族分析
3.3.4.3 模块靶基因的功能富集分析
3.3.4.4 模块的生存分析
3.3.5 本节小结
3.4 基于先验临床信息的miRNA预后模块发现算法ProModule
3.4.1 ProModule算法框架
3.4.2 ProModule的具体算法步骤
3.4.2.1 识别具有预后特征的个体miRNA
3.4.2.2 利用MIC计算miRNA共表达相关性矩阵
3.4.2.3 利用AP识别miRNA簇
3.4.2.4 向miRNA簇添加靶基因
3.4.3 实验数据
3.4.4 实验及结果分析
3.4.4.1 模块的拓扑结构分析
3.4.4.2 miRNA模块的预后特征分析
3.4.4.3 miRNA模块靶基因生物功能富集分析
3.4.5 本节小结
3.5 本章小结
第4章 基于二分图的TF-miRNA共调控子网络挖掘算法BiModule
4.1 引言
4.2 相关工作
4.3 BiModule算法框架
4.3.1 利用Lasso重构癌症特异性regulator-mRNA二分图网络
4.3.2 利用MICA枚举和挑选最大二分子图
4.3.3 最大二分子图模块化
4.4 实验数据
4.5 实验及结果分析
4.5.1 共调控子网络的拓扑特征分析
4.5.2 共调控子网络中靶基因的功能富集分析
4.5.3 共调控子网络的生存分析
4.6 本章小节
第5章 基于统计学的lncRNA-miRNA-mRNA竞争三元组发现算法lncTriplet
5.1 引言
5.2 相关工作
5.3 lncTriplet算法框架
5.3.1 利用双随机游走进行关系对预测
5.3.2 计算lncRNA对 miRNA-mRNA调控的扰动力度
5.3.3 利用零假设识别癌症特异性的竞争三元组
5.4 实验数据
5.5 实验及结果分析
5.5.1 实验结果评价和方法比较
5.5.2 两个预测算法的性能比较
5.5.3 △I值直方图的参数估计
5.5.4 分析PTENP1-miRNA-PTEN三元组△I值
5.5.5 分析竞争三元组的表达相关性
5.6 本章小结
结论
参考文献
附录 A 攻读学位期间所发表的学术论文
附录 B 攻读学位期间所参加的科研项目
致谢
本文编号：3743381
本文链接：https://www.wllwen.com/shoufeilunwen/yxlbs/3743381.html
教材专著
