基于疾

发布时间：2024-05-20 05:09

　　针对疾病表型、基因调控、药物相互作用等生物、生化过程的网络性质,本文利用网络传播法和关联挖掘法,探讨了疾病-基因关联预测、疾病-microRNA(miRNA)关联预测、药物相互反应预测,以及中医与胰腺对应的概念等。确定疾病的相关基因是医学研究的重要内容。疾病表型的相似性可以反映其在分子水平上的联系,因此表型比较也被用来预测疾病的候选基因。在线孟德尔遗传(Online Mendelian Inheritance in Man,OMIM)是人类遗传病和相关基因的权威数据库,其中疾病的表型是用自由文本来描述的,因此,在比较疾病的表型之前需要将其标准化。研究者既往已采用不同的标准化方法,构建了若干疾病的表型网络,其中两个网络对于表型相似性的分析尤其重要:一个是最常用的网络mimMiner,通过医学主题词进行标准化,而另一个网络resnikHPO则率先基于人类表型本体论对其进行标准化。本文在蛋白质相互作用网上运用网络传播算法PRINCE(PRIoritizatioN and Complex Elucidation),通过大规模的留一交叉验证实验,首次对这两种网络在基因预测方面的准确性进行了评估。...

【文章页数】：124 页

【学位级别】：博士

【部分图文】：

图１．１?一个无标度网络的例子??Ｆｉｇ．?１．１?Ａｎ?ｅｘａｍｐｌｅ?ｆｏｒ?ｓｃａｌｅ－ｆｒｅｅ?ｎｅｔｗｏｒｋ??

网络研究迅速发展。统计物理学家把服从幂次分布的现象称为无标度现象。无标度网络的特??点是结点之间的连接不是随机的，有些结点与更多的结点相连，形成枢纽结点（Ｈｕｂ）；而新??结点的加入更倾向于连接枢纽结点，导致所谓“富者更富”的现象。在图１．１中，蓝色的结点??即为枢纽结点。??图....

图１．２疾病组的主要构成要素??Ｆｉｇ．?１．２?Ｔｈｅ?ｍａｉｎ?ｃｏｍｐｏｎｅｎｔｓ?ｏｆ?Ｄｉｓｅａｓｏｍｅ??

研宄人员针对疾病也提出了疾病组（Ｄｉｓｅａｓｏｍｅ）?［４＿１７］的概念。??疾病组构建是一个不断集成新数据的演进过程［１３］，涉及致病的分子因素（基因、蛋白质、??共表达、代谢等）和环境因素、疾病的表型（Ｐｈｅｎｏｔｙｐｅ）、治疗的药物等多个方面。图１．２显??示了疾病组的一些....

图１．４研宂内容、主要线索及数据库的关联??Ｆｉｇ．?１．４?Ｔｈｅ?ａｓｓｏｃｉａｔｉｏｎｓ?ｏｆ?ｒｅｓｅａｒｃｈ?ｃｏｎｔｅｎｔｓ，?ｍａｉｎ?ｃｌｕｅｓ?ａｎｄ?ｄａｔａｂａｓｅｓ??

关联及药物相互反应。在本文的最后部分，应用现有数据挖掘平台与方法，结合中医理论研??宄了胰腺先天综合征，拓展了中医关于胰腺的概念。??本文研宄内容、主要线索及数据库的关联如图１．４所示。??－６?－??

图３．１?ＰＭＢＰ预测疾病ｍｉＲＮＡ流图??Ｆｉｇ．?３．１?Ｆｌｏｗ－ｃｈａｒｔ?ｏｆ?ｐｒｅｄｉｃｔｉｎｇ?ｄｉｓｅａｓｅ?ｍｉＲＮＡｓ?ｗｉｔｈ?ＰＭＢＰ??３．?２．?３估标准??

通过剩余的种子集合，预测被移除的关联；如果疾病必仅与一个ｍｉＲＮＡ关联，则将此关??联移除后，通过其他疾病与该疾病的表型相似性，预测是否可以恢复被移除的关联。??本研宄中，ｍｉＲＮＡ预测分为三步，如图３．１。??步骤１：提取待预测疾病４与ｍｉＲＮＡ关联的先验信息ｙ。??ｒ是一个行....

本文编号：3979005