基于表型-基因-药物异构网络的药物相关表型的预测
发布时间：2021-11-11 21:17
了解疾病表型与药物间的关系是网络医学中的一个重要问题.随着疾病表型和药物相关数据的不断丰富,科学家们提出了许多方法,用来挖掘这些数据中的生物信息.在现有的方法中,基于网络的方法在识别不同生物实体间的相互作用关系上表现出其特有的优势.然而,这些基于网络的方法大多以疾病网络为中心,且很少考虑三种及三种以上的生物实体所构成的网络.因此,直接用这些方法来识别疾病表型与药物间的关系是不充分的,本文提出一种新的方法,称为基于异构网络中疾病表型和药物间最短路径的相关性预测算法（RSP）,并使用该方法来识别疾病表型和药物关系.首先,该方法整合了来自三个不同类型的数据库中的疾病表型、基因和药物数据,根据这些数据,我们可以得到疾病表型和基因、药物和蛋白质靶标间的相互作用关系信息,基于所得到的信息构建了包含三种不同生物实体间相互作用关系的异构网络.从度分布、连通性及功能相似性等方面对构成该异构网络的子网络进行分析,探索了其与随机网络之间的差异性.然后,在该异构网络中,我们根据Dijkstra算法计算出疾病表型和药物间的最短路径长度,用于改进疾病表型类与药物类间的相关性系数,进而用于对具体的药物和表型间的相关...
【文章来源】：河南大学河南省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图１－１论文研究思路框架图．??５??
?基于表型－基因－药物异构网络的药物相关表型的预测???和队员；科学家和论文等．二分网络具有普遍性，已经成为复杂网络研宄的重要对象．在??已有关于二分网络的研宄工作中，通常的做法是把二分网络投影到单顶点网络，然后进行??网络分析．??（：?？?（ｂ）?（５）?－７？??？＇＇?厂－?，，／ｆ?Ｘ，??④?Ａ?６?⑦?／??ｖ＾ｍ?／?．７－—，??？?＠?？■??图２－１网络图示例．（ａ）加权无向网络．该图包含６个不同节点，节点大小与节点度成正比，节点间??连边的粗细与其对应权重大小成正比；（ｂ）无权有向网络．图中包含６个不同节点，节点间连边权重??都相等．连边箭头指向的节点为终点．ｅ３５?＝?（ｕ３，ｔ；５）表示由节点３指向节点５的连边．（ｃ）二分网络．??Ｘ?＝?｛１，２，３，４，５，６丨，Ｆ?＝?｛７，８，９，１０，１１，１２丨分别表示两个独立的点集，这两个点集内的节点间没有连??边．通过点集间的连边将两个点集连接形成一个二分网络．??定义２．１．３?Ｍ对于任意网络Ｇ?＝?（Ｖ，五），如果用映射函数￥?：?Ｆ?４?乂来表示节??点ｔ；?ｅ?ｙ属于节点类型集合丄ｅ八用映射函数屯：￡；?４?ｉ？来表示每条边??ｅ?ｅ五属于边的类型集合兄？屮⑷ｅ凡如果凶＞?１或者｜ｉ？｜?＞?１，则该网络为异构网??络（Ｈｅｔｅｒｏｇｅｎｅｏｕｓ?Ｎｅｔｗｏｒｋ）．??根据定义２．１．３，异构网络就是将不同类型网络，通过网络间的相关关系连接起来．如图２－??ｌ（ｃ〇所示，节点集Ｘ和ｙ可分别代表疾病表型和基因这两个不同类型的节点集合，此时，??｜川＝２并且这两个集合间通过同一类型的表型－基因连边连接在一起（｜丑｜?
?第三章表型－基因－药物异构网络的构建???ＤｒｕｇＢａｎｋ??１２６６?／／??图３－１疾病表型、药物、ＰＰＩ数据来源示意图．图中外圈代表来源于不同数据库的数据集合，内圈??代表不同数据集合的相关子集；圆圈中的数字表示集合中元素的个数．若两个集合相交，表示这两个??集合中有相同的元素；否则两个集合内的元素相互独立．??３．１．２数据的整理及分类??己知ＯＭＩＭ数据库是现有的包含有最完整的疾病表型－基因间相互作用关系的数据??库，其中每个条目是由４个字段组成，分别为：疾病表型的名称、相关的基因符号、其??相应的ＯＭＩＭ编号和染色体的位置．根据这些字段的信息，我们随后手工将所筛选出的??２，４７６种疾病表型划分为２２个主要表型类，这种分类是基于受疾病影响的生理系统Ｍ例??如，１７７种表型可构成“癌症”类别，８４种疾病表型（如动脉粥样硬化和中风）构成“心血??管”类别．当一种表型影响多个生理系统时，我们根据受影响最大的系统，将其分配到一??个主类；具有明显多重临床特征的表型被归入“多重”类，有４７３种疾病表型属于这一??类别．虽然疾病表型分类常常引起激烈的争论，但偶尔的错误分类不会影响我们的结果．??对于剩余的５６种疾病表型，由于没有足够的信息来进行明确的分类，因此我们将它们标??注为“无类别”类．最终，２，４７６种疾病表型都被标注为２２种表型类中的一种，这２２类??表型类分另ｌｌｉ己为：Ｅｎｄｏｃｒｉｎｅ，?Ｍｅｔａｂｏｌｉｃ，?Ｉｍｍｕｎｏｌｏｇｉｃａｌ，?Ｓｋｅｌｅｔａｌ，?Ｈｅｍａｔｏｌｏｇｉｃａｌ，?Ｃａｎｃｅｒ，??Ｂｏｎｅ，?Ｏｐｈｔｈａｌｍｏｌｏｇｉｃａｌ，?Ｃｏｎｎｅｃｔｉｖｅ，?Ｄｅｖｅｌｏｐｍｅ
【参考文献】：
期刊论文
[1]基于Floyd算法的多重最短路问题的改进算法[J]. 左秀峰,沈万杰. 计算机科学. 2017(05)
[2]基于随机重连的复杂网络社团结构特性分析[J]. 刘亚冰,汪小帆. 微型电脑应用. 2010(11)
[3]氨氯地平与左旋氨氯地平治疗夜间高血压疗效比较[J]. 刘国树,王可,张明华. 医学研究生学报. 2001(06)
[4]缓解期慢性阻塞性肺疾病患者的营养状态与营养治疗（现代呼吸系疾病系统讲座第十二讲）[J]. 林江涛. 中华结核和呼吸杂志. 1996(05)
本文编号：3489539
【文章来源】：河南大学河南省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图１－１论文研究思路框架图．??５??
?基于表型－基因－药物异构网络的药物相关表型的预测???和队员；科学家和论文等．二分网络具有普遍性，已经成为复杂网络研宄的重要对象．在??已有关于二分网络的研宄工作中，通常的做法是把二分网络投影到单顶点网络，然后进行??网络分析．??（：?？?（ｂ）?（５）?－７？??？＇＇?厂－?，，／ｆ?Ｘ，??④?Ａ?６?⑦?／??ｖ＾ｍ?／?．７－—，??？?＠?？■??图２－１网络图示例．（ａ）加权无向网络．该图包含６个不同节点，节点大小与节点度成正比，节点间??连边的粗细与其对应权重大小成正比；（ｂ）无权有向网络．图中包含６个不同节点，节点间连边权重??都相等．连边箭头指向的节点为终点．ｅ３５?＝?（ｕ３，ｔ；５）表示由节点３指向节点５的连边．（ｃ）二分网络．??Ｘ?＝?｛１，２，３，４，５，６丨，Ｆ?＝?｛７，８，９，１０，１１，１２丨分别表示两个独立的点集，这两个点集内的节点间没有连??边．通过点集间的连边将两个点集连接形成一个二分网络．??定义２．１．３?Ｍ对于任意网络Ｇ?＝?（Ｖ，五），如果用映射函数￥?：?Ｆ?４?乂来表示节??点ｔ；?ｅ?ｙ属于节点类型集合丄ｅ八用映射函数屯：￡；?４?ｉ？来表示每条边??ｅ?ｅ五属于边的类型集合兄？屮⑷ｅ凡如果凶＞?１或者｜ｉ？｜?＞?１，则该网络为异构网??络（Ｈｅｔｅｒｏｇｅｎｅｏｕｓ?Ｎｅｔｗｏｒｋ）．??根据定义２．１．３，异构网络就是将不同类型网络，通过网络间的相关关系连接起来．如图２－??ｌ（ｃ〇所示，节点集Ｘ和ｙ可分别代表疾病表型和基因这两个不同类型的节点集合，此时，??｜川＝２并且这两个集合间通过同一类型的表型－基因连边连接在一起（｜丑｜?
?第三章表型－基因－药物异构网络的构建???ＤｒｕｇＢａｎｋ??１２６６?／／??图３－１疾病表型、药物、ＰＰＩ数据来源示意图．图中外圈代表来源于不同数据库的数据集合，内圈??代表不同数据集合的相关子集；圆圈中的数字表示集合中元素的个数．若两个集合相交，表示这两个??集合中有相同的元素；否则两个集合内的元素相互独立．??３．１．２数据的整理及分类??己知ＯＭＩＭ数据库是现有的包含有最完整的疾病表型－基因间相互作用关系的数据??库，其中每个条目是由４个字段组成，分别为：疾病表型的名称、相关的基因符号、其??相应的ＯＭＩＭ编号和染色体的位置．根据这些字段的信息，我们随后手工将所筛选出的??２，４７６种疾病表型划分为２２个主要表型类，这种分类是基于受疾病影响的生理系统Ｍ例??如，１７７种表型可构成“癌症”类别，８４种疾病表型（如动脉粥样硬化和中风）构成“心血??管”类别．当一种表型影响多个生理系统时，我们根据受影响最大的系统，将其分配到一??个主类；具有明显多重临床特征的表型被归入“多重”类，有４７３种疾病表型属于这一??类别．虽然疾病表型分类常常引起激烈的争论，但偶尔的错误分类不会影响我们的结果．??对于剩余的５６种疾病表型，由于没有足够的信息来进行明确的分类，因此我们将它们标??注为“无类别”类．最终，２，４７６种疾病表型都被标注为２２种表型类中的一种，这２２类??表型类分另ｌｌｉ己为：Ｅｎｄｏｃｒｉｎｅ，?Ｍｅｔａｂｏｌｉｃ，?Ｉｍｍｕｎｏｌｏｇｉｃａｌ，?Ｓｋｅｌｅｔａｌ，?Ｈｅｍａｔｏｌｏｇｉｃａｌ，?Ｃａｎｃｅｒ，??Ｂｏｎｅ，?Ｏｐｈｔｈａｌｍｏｌｏｇｉｃａｌ，?Ｃｏｎｎｅｃｔｉｖｅ，?Ｄｅｖｅｌｏｐｍｅ
【参考文献】：
期刊论文
[1]基于Floyd算法的多重最短路问题的改进算法[J]. 左秀峰,沈万杰. 计算机科学. 2017(05)
[2]基于随机重连的复杂网络社团结构特性分析[J]. 刘亚冰,汪小帆. 微型电脑应用. 2010(11)
[3]氨氯地平与左旋氨氯地平治疗夜间高血压疗效比较[J]. 刘国树,王可,张明华. 医学研究生学报. 2001(06)
[4]缓解期慢性阻塞性肺疾病患者的营养状态与营养治疗（现代呼吸系疾病系统讲座第十二讲）[J]. 林江涛. 中华结核和呼吸杂志. 1996(05)
本文编号：3489539
本文链接：https://www.wllwen.com/yixuelunwen/yiyaoxuelunwen/3489539.html
最近更新
教材专著
