基因表达调控网络的构建方法研究

论文摘要

在后基因组时代,生物学所面临的基本挑战之一就是理解控制细胞活动的复杂基因调控网络。随着大量微阵列实验的进行,给生命科学的研究带来了丰富的实验数据,利用这些实验数据构建基因调控网络使在分子水平上研究细胞的功能成为可能。由于一个基因的表达会受到其他基因的影响,而这个基因又会影响其他基因的表达,这种相互影响相互制约的关系就构成了复杂的基因表达调控网络。因此,基因调控网络描述了多个基因之间协同完成不同任务的关系。通过构建基因调控网络,可以对某一个物种或组织中的全部基因的表达关系进行整体的模拟分析和研究,从而在系统的框架下认识生命现象和揭示生命活动的基本规律。当前贝叶斯网络方法被广泛用于基因调控网络的构建,然而一些贝叶斯网络结构学习算法需要使用已知的节点顺序进行结构学习,如K2和TPDA-∏算法。在先验信息未知时,节点间的顺序是不可能得到的,若使用随机的节点顺序进行结构学习,其准确性将非常差,所以这在很大程度上限制了贝叶斯网络结构学习方法的应用。本文提出了一种推断节点拓扑顺序的方法,它弥补了贝叶斯网络结构学习需要节点顺序的不足。将该方法分别与K2算法和TPDA-∏算法进行结合,形成了两种推断贝叶斯网络结构的新方法,把它们分别叫做NO-K2算法和NO- TPDA-∏算法。最后,分别用基准数据集和酵母基因芯片数据对这两种算法进行仿真实验,都获得了较好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 基因调控网络
• 1.1.1 生物学背景
• 1.1.2 基因调控网络的特性
• 1.1.2.1 随机性
• 1.1.2.2 复杂性
• 1.1.2.3 时空特异性
• 1.1.2.4 网络动态性
• 1.2 基因调控网络分析和重建
• 1.2.1 基因调控网络分析
• 1.2.2 基因调控网络重建
• 1.3 基因调控网络的研究现状
• 1.4 课题研究的目的和意义
• 1.5 研究内容与创新
• 1.6 论文结构及安排
• 第二章 基因调控网络的相关模型介绍
• 2.1 现有基因调控网络模型
• 2.1.1 线性组合模型
• 2.1.2 加权矩阵模型
• 2.1.3 布尔网络模型
• 2.1.4 相关系数模型
• 2.1.5 贝叶斯网络模型
• 2.2 模型的比较
• 2.3 小结
• 第三章 基于节点排序的贝叶斯网络方法研究
• 3.1 K2 算法和TPDA-∏算法的基本理论
• 3.1.1 K2 算法
• 3.1.2 TPDA-∏算法
• 3.2 节点排序方法设计
• 3.3 NO-K2 算法设计
• 3.4 NO-TPDA-∏算法设计
• 3.5 小结
• 第四章 基于节点排序的基因调控网络的实验研究
• 4.1 基因表达数据简介
• 4.2 基因表达数据预处理
• 4.2.1 基因过滤和缺失处理
• 4.2.2 基因表达数据离散化
• 4.3 实验数据
• 4.3.1 基准数据
• 4.3.2 酵母基因表达数据
• 4.4 NO-K2 算法的实验结果与分析
• 4.4.1 基准数据实验
• 4.4.2 基因表达数据实验
• 4.5 NO-TPDA-∏算法的实验结果与分析
• 4.5.1 基准数据实验
• 4.5.2 基因表达数据实验
• 4.6 两种方法的比较
• 4.7 小结
• 第五章 讨论与总结
• 5.1 本文工作讨论
• 5.2 本文工作总结
• 致谢
• 参考文献
• 攻读硕士期间取得的研究成果