基于个体时序列差异网络探测疾病恶化的预警信号

发布时间：2020-04-29 08:10

【摘要】：疾病的发展过程一般分为正常状态,前疾病状态和疾病状态。其中,前疾病状态是疾病状态的一个临界期,处于这个状态的患者,如果经过合理有效的治疗,有可能会恢复到正常状态。所以,探测前疾病状态对于病人来说有着极其重要的意义。本文开发了一种算法,基于个体单样本建立的个体时序列差异网络,提出了探测系统临界点的复合变量,可以有效地探测疾病恶化的早期预警信号,识别出疾病的前疾病状态。该方法的有效性得到了一个数值仿真实验以及前列腺癌数据(GSE 5345)和乳腺癌数据(GSE 13009)的检验。对得到的动态差异网络生物标志物进行富集分析和生存分析,发现其中的大部分基因都参与到了癌症的发展进程中。本文的主要工作及结果如下:首先,利用微分方程建立由8个基因节点所组成的复杂系统。对此系统,利用本文开发的算法不仅有效地检测出了系统的临界点,而且识别出系统的4个动态网络标记物,验证了基于个体时序列差异网络探测复杂系统的临界点方法的可行性。其次,从GEO数据库下载GSE 5345基因表达数据和GSE 13009基因表达数据,对数据进行相应处理。在基因表达数据的基础上,通过基因之间的皮尔逊相关系数建立分子交互网络,最终把各个时间点基因的观测数据转变为个体时序列差异网络。最后,利用软件MATLAB R2016a,计算得到前列腺癌和乳腺癌临界突变的时间点分别为24h和1.5h,并识别出了前列腺癌的202个动态差异网络生物标志物和乳腺癌的在EGF和HRG刺激下的120个和172个动态差异网络生物标志物,并挑选出了乳腺癌细胞在这两种激素刺激下的24个公共生物标志物。本文利用了生物网络的相关特性,成功地探测出了前列腺癌以及乳腺癌这两种复杂疾病恶化的临界点。得到的动态差异网络生物标志物中,大部分基因可作为治疗癌症的靶向基因。
【图文】：

流程图,时序列,流程图,生物标志物

图 3-1 个体时序列差异网络的构造的流程图动态差异网络生物标志物的复合变量当我们只有很少的样本数据甚至只有某个样本在一个时间点下的数据时，计本的表达偏差是难以实现的。而利用动态差异网络生物标志物的方法可以解题。基于单样本的方法[3]，可以克服实际试验中样本量少，数据收集困难等记∑ Δ 表示个体时序差异网络 SSDN 中显著边的皮尔逊相关系数的绝，表示 SSDN 中显著边的数量，Δ 表示 SSDN 中基因节点的标准差的我们提出了以下三个条件：态差异网络生物标志物中元素的个体样本表达偏差的绝对值 (记作 ) 显；态差异网络生物标志物中两两元素所构成的个体时序列差异网络边的皮尔逊数的绝对值均数 (记作∑ Δ ) 显著增加；态差异网络生物标志物中任意元素相邻时间点的表达方差的差的绝对值 ) 显著增加。

微分方程系统,生物标志,钝化线,正调节

3 3= 1 3 4 4= 1 4 5 5= 3 5 6 6= 5 6+ 8 7 7= 7+ 8 8 8= 7 8, 3, 4, 5, 6, 7, 8) 中，， 1， 2， 3以及 4这 4 个有的相关理论可知， 1， 2， 3和 4构成了 8 个节点态网络生物标志物 (DNB)。由这组动态网络生物标志系统的临界突变起着主要的作用。根据微分方程系统们可以画出这 8 个节点的基因调控网络 (见图 4-1)，节系，其中箭头线表示正调节，钝化线表示负调节。节橙色表示高表达，而绿色则表示低表达。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R737.25;R737.9;O175;O157.5

【参考文献】