通过基因矩阵数据分析识别阿尔茨海默病致病基因

发布时间：2020-06-03 18:22

【摘要】：阿尔茨海默病是最常见的一种痴呆症之一。这种疾病的特点是会导致病人的认知记忆、定向、判断和推理等能力衰退。2006年时,全球就有2.66亿阿尔茨海默病患者,预计到2050年,全球中每85个人中将会有一个是阿尔茨海默病患者。然而到目前为止,还没有找到特别有效的措施来治疗阿尔茨海默病。为了能够彻底的治疗阿尔茨海默病,就必须能够了解阿尔茨海默病的发病原理,也就必须要找到阿尔茨海默病的致病基因。所以寻找阿尔茨海默病的致病基因是目前的一项主要研究。目前寻找阿尔茨海默病致病基因采取的主要方法,是通过分析DNA矩阵数据寻找阿尔茨海默病的候选致病基因。目前很多方法都是通过差异基因的表达分析来寻找阿尔茨海默病的致病基因。本文正是设计了算法来寻找阿尔茨海默病的致病基因。主要研究内容如下: (1)综述了阿尔茨海默病,基因芯片技术,以及寻找阿尔茨海默病致病基因的研究现状,详细介绍了本文中所设计算法的模型及算法的具体实现步骤。 (2)首先应用本文的算法对DNA矩阵数据进行分析处理。并根据基因表达水平的偏离幅度得到了阿尔茨海默病的候选致病基因。并对候选致病基因进行调研,标注出一些也被其他的研究者发现为致病基因的基因,作为以后生物验证的对象。实验表明,本文的实验结果中的候选基因有很多已经被其他的研究者证实为阿尔茨海默病的致病基因,而且一些基因生物性质也是和神经相关的。所以说,本文的实验结果有很好的参考价值。 (3)为了使本文算法便于理解,本文详细介绍了本文算法的数据结构和具体代码。
【图文】：

一个基因芯片会产生在一定的实验条件或环境下的一列数据。而且对应了一个基因的表达水平(图 1)。 每一列数据可以被看作为一个两个基因芯片上的两列数据是在不同的测试环境或条件下得到的，，两列数据是不可比较的，相应的这两列数据间的差异会较大，两列离也会变大。如果两列数据的测试环境或测试条件是相近时,那么图 2: 实验数据不可比较性在这个表中,从正常人体得到的第二列数据 GSM21217 (已标准化)可以看作为一个 22283 维的向量.根据同样的规则,从严重病人得到的 7 列数据GSM21203, GSM21206,…, GSM21229 也可以看作 7 个向量。 向量 GSM21217 和7 个向量的欧几里德距离的平方分别被计算出来并写在了表格中。距离越大两个向量之间越不可比较。从这个表格中,我们可以知道第三列列数据GSM21207 与来自正常人体的数据 GSM21217 是不可比较的。因此,比较来自正常人体与患者的基因表现水平的不同时, 就应该避免数据的不可比较性。

图 3-a: 从正常人体与轻度病人得到的列数据之间的距离正常人体中得到 9 列数据(ctrlM ),一列数据由一次实验(一个基因芯片)得到。同样的,从轻度患者人体得到 7 列数据形成一个矩阵incipM,矩阵里的每列数据对应着不同的实验。矩阵中列数据可看作为一个向量,计算出ctrlM 中向量和incipM 中每个列向量的欧几里德的距离的平方。 得到 9 组距离值并列在表格中。图 3-b: 从正常人体和中度病人得到的列数据之间的距离
【学位授予单位】：四川师范大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：R749.16

【参考文献】

相关期刊论文 前1条

1 王艳;侯德仁;;AGTR1、AGTR2在阿尔茨海默病模型大鼠海马中的变化[J];卒中与神经疾病;2009年06期

本文编号：2695212