基于动态网络熵的生物标志物识别方法研究
发布时间：2021-07-09 06:03
肝细胞癌（Hepatocellular carcinoma,HCC）是全球最普遍的恶性肿瘤之一,并且是在过去几年中观察到发病率持续上升的少数癌症之一。全世界有数亿人患有这种复杂疾病及其并发症,且目前尚无有效的治疗方法。生活方式和遗传因素的长期相互作用会导致肝细胞癌,但其发病机理仍未得到充分证实。肝癌早期诊断困难和预后不良的一个非常重要的原因就是肝癌发生和发展的具体机制尚不清楚。已报道的研究大多数集中于肝癌组织中单个差异表达基因的功能及其参与的信号通路的调控,然而在肝癌发生发展的自然病程中,复杂的基因调控网络的变化绝不仅仅局限于此。分子生物标志物是特定生物学状况（例如正常或疾病状态）的分子指示剂,通常用于预测疾病的诊断结果、治疗的风险评估以及对预后的治疗评估。鉴于早期发现肝癌可显著提高生存率,能够找到在临床上早期诊断肝癌的准确分子生物标志物就显得尤为重要。基因表达谱分析技术以并行方式测量数千个基因的转录情况,越来越多的肝癌转录组数据已被公开获取,可用的高通量转录组数据集为发现肝癌生物标志物提供了前所未有的机会。本论文提出了一种基于动态差异网络熵的生物信息计算方法,通过对人类多阶段肝癌组织...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
图１－１研究总体流程图??图１－１展示了本论文的总体流程图：第一步进行数据预处理；第二步构建??
山东大学硕士学位论文??〇?〇?〇?〇?〇?〇??Ｉ?／?Ｉ?／?Ｉ?／??Ａ＃——〇?Ａ鲁——〇?Ａ?——〇??。’、＼。?°、〇、〇〇’、〇、〇??常?移除边?移除节点｜??图２－１蛋白质－蛋白质相互作用网络示意图??蛋白质－蛋白质相互作用网络通常是通过图形建模的，其节点（图２－１中的??圆圈）代表蛋白质，其边线（图２－１中连接圆圈的线，未定向且可能加权）连接??相互作用的蛋白质对，边线权重可用于合并与对应交互相关联的可靠性信息。此??夕卜，将表现出高度互连性的节点称为Ｈｕｂ?（蓝圈）。Ｈｕｂ蛋白通常具有特殊功能，??这些功能对于相互作用网络的模块化组织至关重要。其次，许多Ｈｕｂ蛋白彼此??相互作用，并因此通过高度交织的子网络桥接和调节不同的细胞通路和过程。一??些公认的Ｈｕｂ蛋白有ｐ５３、Ｍｄｍ２、ｐ３００和ＢＲＣＡ１，所有这些蛋白均与严重的??病理状况相关。??细胞过程是通过多种生物分子的生化或生物物理相互作用的复杂作用而介??导的。因此，对ＰＰＩ网络的全面理解将有助于更好地理解人类疾病的分子机制。??蛋白质Ａ和Ｂ充当Ｈｕｂ蛋白，与仅影响单个边线的改变（图２－１）相比，删除??其中一个Ｈｕｂ蛋白的改变（突变）可能导致更为严重的后果，这就解释了同一??基因的不同改变可能导致不同的疾病表型。??公共的蛋白质－蛋白质相互作用数据库主要有：相互作用蛋白质数据库??（ＤＩＰｐ］、慕尼黑蛋白质序列信息中心（ＭＩＰＳ）＾、生物分子相互作用网络数据库??（ＢＩＮＤ）［７９］、相互作用数据集的生物通用信息库（ＢＩＯＧＲＩＤ）［８Ｇ］、分子相互作用数据??库（ＭＩＮＴＦ１］、蛋白质相互作用数据库
山东大学硕士学位论文??第３章基于动态网络熵筛选差异通路过程及结果??３．１筛选过程简介??本文使用的时序数据包含了八个与ＨＣＣ发生发展进程相关的肝脏基因表达??数据，为了更好的整合八个状态下的数据并从中筛选出可靠的生物标志物，本章??将采取基于动态网络熵筛选差异基因通路的方法，从通路数据集中筛选出ＨＣＣ??进展的通路生物标志物。图３－１表示的是基于差异动态网络熵整合多组学数据筛??选时间序列生物标志物的流程图，研究主要分四个步骤：第一部分是数据预处理，??第二部分是基于ＰＰＩ和信号通路数据集构建网络，以及应用ｍａＳｉｇＰｒｏ方法筛选??时间序列差异网络熵变化通路的过程，第三部分ＳＶＭ－ＲＦＥ特征选择及分类效果??评价，最后一部分是功能富集分析验证候选生物标志物。??ｉ?＝?！］（?議。。时丨〉Ｉ?■?ＳＶＭ??＼－ｍｍｍ?＼??！１｜｜￥?？丨??；０４?ＩＩＩ?？?ｐ，?＝＾ｕｒａｃ??数?＇、?坫ｗ灰达数拟?／?？?ｘｊ＾?／??ｉ?？?？?：ｎ?：ｎ?ｐ－????处；＊?：?……－?－?ｒ?＼??押．！?＿?＊?丨?丨?３?＿?ｍｍ?；?？??ｌ?通路数振ｍ合?ｊ?ｉ?：??ｒ：ｒ：：：：Ｔ、＇?ｒ?广乂?１１?？??：？?？?…１???：？?？?？?：?、：?ｔ。ｊ??；？？？？？：?＾?＾??＼?ＰＰ？?ｊＪ?＾?功能话集分析?ｊ??图３－１基于差异动态网络熵整合多组学数据筛选时间序列生物标志物的流程图??在通过差异熵整合多组学数据，识别在肝癌进展过程中，识别通路生物标志??物的框架中，第一部分是数据预处理。输入的数据包含肝癌
【参考文献】：
期刊论文
[1]Mechanisms of hepatocellular carcinoma progression[J]. Olorunseun O Ogunwobi,Trisheena Harricharran,Jeannette Huaman,Anna Galuza,Oluwatoyin Odumuwagun,Yin Tan,Grace X Ma,Minhhuyen T Nguyen. World Journal of Gastroenterology. 2019(19)
[2]2015年中国恶性肿瘤流行情况分析[J]. 郑荣寿,孙可欣,张思维,曾红梅,邹小农,陈茹,顾秀瑛,魏文强,赫捷. 中华肿瘤杂志. 2019 (01)
本文编号：3273183
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
图１－１研究总体流程图??图１－１展示了本论文的总体流程图：第一步进行数据预处理；第二步构建??
山东大学硕士学位论文??〇?〇?〇?〇?〇?〇??Ｉ?／?Ｉ?／?Ｉ?／??Ａ＃——〇?Ａ鲁——〇?Ａ?——〇??。’、＼。?°、〇、〇〇’、〇、〇??常?移除边?移除节点｜??图２－１蛋白质－蛋白质相互作用网络示意图??蛋白质－蛋白质相互作用网络通常是通过图形建模的，其节点（图２－１中的??圆圈）代表蛋白质，其边线（图２－１中连接圆圈的线，未定向且可能加权）连接??相互作用的蛋白质对，边线权重可用于合并与对应交互相关联的可靠性信息。此??夕卜，将表现出高度互连性的节点称为Ｈｕｂ?（蓝圈）。Ｈｕｂ蛋白通常具有特殊功能，??这些功能对于相互作用网络的模块化组织至关重要。其次，许多Ｈｕｂ蛋白彼此??相互作用，并因此通过高度交织的子网络桥接和调节不同的细胞通路和过程。一??些公认的Ｈｕｂ蛋白有ｐ５３、Ｍｄｍ２、ｐ３００和ＢＲＣＡ１，所有这些蛋白均与严重的??病理状况相关。??细胞过程是通过多种生物分子的生化或生物物理相互作用的复杂作用而介??导的。因此，对ＰＰＩ网络的全面理解将有助于更好地理解人类疾病的分子机制。??蛋白质Ａ和Ｂ充当Ｈｕｂ蛋白，与仅影响单个边线的改变（图２－１）相比，删除??其中一个Ｈｕｂ蛋白的改变（突变）可能导致更为严重的后果，这就解释了同一??基因的不同改变可能导致不同的疾病表型。??公共的蛋白质－蛋白质相互作用数据库主要有：相互作用蛋白质数据库??（ＤＩＰｐ］、慕尼黑蛋白质序列信息中心（ＭＩＰＳ）＾、生物分子相互作用网络数据库??（ＢＩＮＤ）［７９］、相互作用数据集的生物通用信息库（ＢＩＯＧＲＩＤ）［８Ｇ］、分子相互作用数据??库（ＭＩＮＴＦ１］、蛋白质相互作用数据库
山东大学硕士学位论文??第３章基于动态网络熵筛选差异通路过程及结果??３．１筛选过程简介??本文使用的时序数据包含了八个与ＨＣＣ发生发展进程相关的肝脏基因表达??数据，为了更好的整合八个状态下的数据并从中筛选出可靠的生物标志物，本章??将采取基于动态网络熵筛选差异基因通路的方法，从通路数据集中筛选出ＨＣＣ??进展的通路生物标志物。图３－１表示的是基于差异动态网络熵整合多组学数据筛??选时间序列生物标志物的流程图，研究主要分四个步骤：第一部分是数据预处理，??第二部分是基于ＰＰＩ和信号通路数据集构建网络，以及应用ｍａＳｉｇＰｒｏ方法筛选??时间序列差异网络熵变化通路的过程，第三部分ＳＶＭ－ＲＦＥ特征选择及分类效果??评价，最后一部分是功能富集分析验证候选生物标志物。??ｉ?＝?！］（?議。。时丨〉Ｉ?■?ＳＶＭ??＼－ｍｍｍ?＼??！１｜｜￥?？丨??；０４?ＩＩＩ?？?ｐ，?＝＾ｕｒａｃ??数?＇、?坫ｗ灰达数拟?／?？?ｘｊ＾?／??ｉ?？?？?：ｎ?：ｎ?ｐ－????处；＊?：?……－?－?ｒ?＼??押．！?＿?＊?丨?丨?３?＿?ｍｍ?；?？??ｌ?通路数振ｍ合?ｊ?ｉ?：??ｒ：ｒ：：：：Ｔ、＇?ｒ?广乂?１１?？??：？?？?…１???：？?？?？?：?、：?ｔ。ｊ??；？？？？？：?＾?＾??＼?ＰＰ？?ｊＪ?＾?功能话集分析?ｊ??图３－１基于差异动态网络熵整合多组学数据筛选时间序列生物标志物的流程图??在通过差异熵整合多组学数据，识别在肝癌进展过程中，识别通路生物标志??物的框架中，第一部分是数据预处理。输入的数据包含肝癌
【参考文献】：
期刊论文
[1]Mechanisms of hepatocellular carcinoma progression[J]. Olorunseun O Ogunwobi,Trisheena Harricharran,Jeannette Huaman,Anna Galuza,Oluwatoyin Odumuwagun,Yin Tan,Grace X Ma,Minhhuyen T Nguyen. World Journal of Gastroenterology. 2019(19)
[2]2015年中国恶性肿瘤流行情况分析[J]. 郑荣寿,孙可欣,张思维,曾红梅,邹小农,陈茹,顾秀瑛,魏文强,赫捷. 中华肿瘤杂志. 2019 (01)
本文编号：3273183
本文链接：https://www.wllwen.com/yixuelunwen/zlx/3273183.html
