复杂网络分析方法在全基因组关联研究中的应用

发布时间：2020-03-18 15:21

【摘要】：全基因组关联分析(Genome-wide association study,GWAS)是指在基因水平上,进行关联分析来找出疾病相关的基因的方法。近年来,生物学工作者对GWAS进行了深入的研究,也找到了很多有效的方法,这些方法能够解决一些问题,但是也存在很多不足,存在一些难以克服的困难。一方面,许多方法在一个模型上适用,但转到另外的模型上时,效果甚微,不能够适合所有的情形以及多因素复杂致病的需求。当解决多模型问题时,往往效率低下,准确率较低,达不到预期的效果。另一方面,以往的实验都是关于单个SNP而进行的,并没有提到不同的SNP之间有关联关系时起到的作用。针对上述难题,本文提出一种新的互信息的结构性关键SNPs集合选取的方法。本文在互信息理论和仿真数据的基础之上,来逆向构建SNPs的互信息网络。给定互信息一个阈值范围,从而找到对应的阈值下的相关统计量进行比较分析,进而选取出合适的阈值。根据选取阈值,筛选出对网络结构有明显影响效果的“结构性关键SNPs”。国际HapMap项目提供了大量关于13号染色体上基因信息,其中包括BRCA2基因信息。在实验中,通过预设的2个致病的SNPs,结合HAPGEN2软件,得到大量病例组对照组的仿真数据,建立基于互信息的疾病相关网络。通过多次实验比较互信息网络中的结构参数,可以得到:在互信息的阈值范围内,阈值的不断增加,多个网络统计量可以把对照组和病例组进行区分。对于具有一定阈值的互信息网络,计算所有节点在病例组、对照组不同取值下各个统计量的变化情况,发现平均度能够明显地区分两组,因此选择平均度作为区分依据,从而由此阈值选择出对网络结构具有较大影响的“结构性关键SNPs”集合。多次实验结果表明:本文采用的参数取值方法能够方便准确地筛选出对网络结构有明显影响效果的关键SNPs。关键SNPs集合选取的方法能够有效地筛选出仿真数据时设定的致病SNPs。最后,本文的方法在脑胶质瘤数据上得到验证,检测到NF2和TP53等致病基因,并对脑胶质瘤易感基因进行了预测。
【图文】：

变化曲线,阈值,统计量,病例

图 5-1 4 个网络结构的统计量随阈值的增加的变化情况，其中，纵坐标表示相应的统计量，，横坐标代表阈值，蓝色表示对照组数据显示效果，红色表示病例组数据显示效果。Fig 5-1. Four statistics under different thresholds, where ordinate represents the statistics, theabscissa represents the threshold value, and the blue represents the display effect of the control groupthen red for case data病例组和对照组网络中平均路径长度随阈值变化的比较可以看出，当 ≤ ≤ 时，病例组与对照组的网络有相对明显的差异。于是我们可以得到，在这个变化区间内，平均路径长度可以很好的区分病例组和对照组，而当 t>0.43 时，网络的边越来越少，平均路径长度趋近于 0。由网络的平均度随阈值增加的变化曲线中可以发现，在很长的一段阈值范围内，病例组与对照组的网络平均度有很大的区别，而随着网络的阈值增加，网络的平均度越来越小，这与网络的孤立点越来越多也是相对应的。当 t>0.62 时，病例、对照组中都只有一个包含四个节点的全耦合子网，平均聚类系

阈值,组图,病例,统计量

从图 5-2 中我们得到每个统计量能够区分两组的阈值范围，如下表：表 5-2 各统计量能够区分病例组和对照组的阈值范围Table 5-2. Thresholds which can distinguish case and control网络统计量阈值范围平均度（） 0.09-0.34模块度（） 0.2-0.28平均路径长度（） 0.2-0.3平均介数（） 0.21-0.3从表 5-2 可以看出，每一个统计量都有不同的阈值范围，平均度的范围较 ≤ ≤ ；其他的几个统计量阈值范围相差不大，基本在 0.2 到 0.3 之间。图 5-1，选择 0.27 为阈值构建网络。
【学位授予单位】：中国石油大学(华东)
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R-05;O157.5

【相似文献】