基因组尺度高信息量RNA干扰筛选数据分析：一类系统生物学应用中若干模式识别问题的研究

论文摘要

控制论、系统论思想与模式识别相关方法广泛参与诸多交叉学科的研究。控制论、系统论可以指导对各种实际问题的认知,模式识别相关方法则构成了具体的解决方案。本文将控制论、系统论与模式识别相关方法应用于一类系统生物学研究。具体的,以基因在细胞形态变化中的调控作用为主要研究对象,以在果蝇培养细胞种系中进行的大尺度高信息量RNA干扰筛选（RNAi HCS）为应用背景,我们分析并解决了RNAi HCS数据分析中的一系列问题,包括细胞形态表现型在线发现、表现型在线建模与确认、针对不同表现型的特征选择与细胞分类、综合单个细胞分类结果的基因功能建模等。我们将本文设计的一系列方法组合为一套完整的数据分析流程,并协助生物学者对近200万单个细胞图像进行综合分析,提出了“细胞形态表现型具有定型化性质”的生物学假设。本文提出利用高斯混合模型对表现型建模,改进了利用间隔统计估计聚类个数的方法、设计了迭代表现型兼并流程以比较新数据集与已知表现型的异同、利用最小分类误差方法实现表现型模型在线更新,最终形成了在线表现型发现算法。这种方法随着新数据的不断产生辨认新颖表现型,并对其进行建模与确认。当前的RNAi HCS数据分析流程大多使用手工挑选的典型表现型及代表细胞作为训练集,但数据集规模的不断扩大使手工分析难以反映整个数据集的完整风貌,我们的方法有效的解决了这一问题。为了考察整个数据集中各个细胞与典型表现型的相似程度,我们设计了“支持向量机迭代特征消去-遗传算法”联合特征选择方法,利用精简的特征集合描述表现型形态并使用以高斯径向基函数为核函数的支持向量机进行细胞分类。根据支持向量机对每个细胞形态的分析,我们执行一系列质量控制、统计分析及数据筛选与整合操作,为针对每个基因的RNAi实验挑选出一个带有稳定形态特征的细胞群落;根据可重复性细胞群落的形态特征生成每个基因的量化形态分值,并利用聚类分析辨别在细胞形态变化中发挥不同作用的基因与基因家族。本文以控制论、系统论为指导,整个数据分析流程中综合运用多种模式识别、统计分析技术,形成了完整、高效的RNAi HCS数据分析流程。在数据分析方案设计中注重动态与静态分析的对立统一,实现了典型表现型在线发现与在线建模;注重利用统计学方法发掘微观与宏观层面的联系,系统化处理单个细胞形态作为分析基因功能的基础;注重对单一层面分析结果的升华,努力通过特定应用的分析结果掌握普遍规律,提出并初步验证了细胞形态表现型具有定型化特点这一假设。

论文目录

• 致谢
• 摘要
• Abstract
• 目次
• 1 绪论
• 本章摘要
• 1.1 基因组尺度高内涵RNA干扰筛选的研究背景及其意义
• 1.1.1 RNAi筛选及相关疗法针对的生物学问题
• 1.1.2 RNAi筛选的设计与实现
• 1.2 RNAi HCS数据分析面临的挑战与研究现状
• 1.2.1 图像处理:细胞分割与形态量化
• 1.2.2 表现型的辨识、建模与分类
• 1.2.3 统计分析及对基因功能的标注
• 1.3 本文研究的主要内容
• 1.3.1 研究动机与思路
• 1.3.2 全文组织结构
• 2 预备知识
• 本章摘要
• 2.1 RNAi HCS数据产生、细胞分割与形态量化
• 2.1.1 细胞培养与成像流程
• 2.1.2 细胞分割
• 2.1.3 特征提取——利用211个形态特征量化细胞形态
• 2.2 RNAi HCS数据分析流程中使用的部分方法
• 2.2.1 估计聚类个数的间隔统计方法
• 2.2.2 用于特征选择与细胞分类的支持向量机
• 3 细胞表现型在线发现与建模
• 本章摘要
• 3.1 引言
• 3.2 问题描述
• 3.3 解决方案
• 3.3.1 方法概述
• 3.3.2 表现型建模与采样
• 3.3.3 对间隔统计方法的改进
• 3.3.4 基于"聚类合并"的在线表现型发现流程
• 3.4 仿真结果
• 3.4.1 克服不同聚类间样本数量的差距
• 3.4.2 仿真细胞数据集描述
• 3.5 真实数据集上的实验结果
• 3.5.1 对应已知表现型的高斯混合模型
• 3.5.2 案例1:通过聚类兼并从新数据中还原已知表现型
• 3.5.3 案例2:利用训练集模拟新颖表现型的发现
• 3.5.4 案例3:模拟多种表现型共生及与SVM相关算法的比较
• 3.5.5 在基因组尺度高信息量RNAi筛选数据集中发现"rl/泪珠"表现型
• 3.6 本章小结
• 4 基于最小分类误差（MCE）的表现型模型在线修正
• 本章摘要
• 4.1 引言
• 4.2 问题描述
• 4.3 利用最小分类误差方法在线修正表现型模型
• 4.3.1 解决方案
• 4.3.2 改进后的在线表现型发现流程
• 4.4 仿真结果
• 4.4.1 基于不同已知表现型组合的算法性能
• 4.4.2 对在线建模过程的改进有助提高算法性能
• 4.5 真实数据集上的实验结果
• 4.5.1 数据描述
• 4.5.2 还原有生物意义的聚类
• 4.5.3 从基因组尺度高信息量RNAi筛选中辨认新颖表现型数据描述
• 4.5.4 使用箱式图展示还原已知表现型的能力
• 4.5.5 从基因组尺度RNAi筛选中发现新颖表现型
• 4.6 本章小结
• 5 基于SVM的形态特征选择与细胞分类
• 本章摘要
• 5.1 引言
• 5.2 问题描述
• 5.3 解决方案
• 5.3.1 结合SVM-RFE与遗传算法的特征选择方法（SVM-RFE-GA）
• 5.3.2 使用SVM进行细胞分类
• 5.4 对SVM及特征子集性能的交叉校验
• 5.5 本章小结
• 6 利用单个细胞形态的统计特征描述基因功能
• 本章摘要
• 6.1 引言
• 6.2 问题描述
• 6.3 解决方案
• 6.3.1 从基于SVM的细胞分类到反应孔的原始形态分值
• 6.3.2 汇总生成每个基因的标准化QMS
• 6.3.3 使用QMS进行基因功能分级聚类
• 6.4 实验结果
• 6.4.1 重复性校验的典型结果
• 6.4.2 基因功能聚类分析结果
• 6.5 本章小结
• 7 根据聚类结果研究细胞表现型的定型化
• 本章摘要
• 7.1 引言
• 7.2 问题描述
• 7.3 解决方案
• 7.3.1 使用K-S检验比较单个细胞形态的分布模式
• 7.3.2 在三维空间中绘制细胞形态表现型分布图景
• 7.3.3 细胞表现型分布图景的解读
• 7.4 本章小结
• 8 总结与展望
• 本章摘要
• 8.1 全文总结
• 8.2 研究展望
• 参考文献
• 附录A 攻读博士期间发表的论文及参与的科研项目
• A.1 攻读博士期间作为第一作者完成的论文
• A.2 攻读博士期间参与的科研项目