论文部分内容阅读
近几年来,愈来愈多实验结果显示长非编码RNA(lncRNA)在各种各样的生命过程有着重要影响,其功能衰减、变异与许多人类复杂疾病的发生及发展息息相关,因此探索致病lncRNA对人类疾病的诊断、治疗及预后等都有着重要意义。考虑到传统生物实验方法识别疾病潜在相关lncRNA费时费力,研究人员们着手于构造预测模型对潜在的疾病关联lncRNA进行挖掘。本文主要通过从不同数据库中得到的lncRNA、miRNA、疾病等相关生物信息所构建的多元网络对疾病的潜在关联lncRNA进行发掘。文中首先对本课题的背景知识及意义做出阐述,然后介绍本文模型的研究基础,并先后提出了3种基于多元网络信息用于识别疾病潜在相关lncRNA的计算模型,其具体内容如下所示:(1)本文首先构建了一种名为IIRWR的计算模型来预测人类疾病潜在相关lncRNA。IIRWR中提出了疾病群的相关定义,设计了一种方法计算lncRNA节点的相关疾病群权重分数,并将该分数加入了由lncRNA节点形成的游走网络,以此网络进行重启随机游走得出lncRNA节点与疾病节点的潜在关联分数。实验结果表明,模型IIRWR的预测性能较其他模型有着较大幅度的提高。(2)针对IIRWR不能预测孤立节点的局限性,本文接着提出了一种基于关联对特征信息的预测模型FVTLDA来发掘疾病潜在相关lncRNA。FVTLDA结合重启随机游走算法和模型IIRWR中对群的定义,从多元网络中提取了每一对疾病与lncRNA的特征信息,使得模型既避免了对已知的lncRNA-疾病关联信息产生的依赖性,也能运用于对孤立生物节点的预测,解决了模型IIRWR存在的问题。此外,为了避免单一模型带来的局限性,FVTLDA分别结合线性回归、神经网络对特征信息进行数据分析,其对比实验和案例分析结果都展示了该模型的优越性能。(3)考虑到模型FVTLDA手动提取特征信息存在的局限性,本文提出了一种名为CNMCLDA的学习框架自动提取多元网络中的隐含生物特征信息,进而对疾病潜在相关lncRNA进行识别。CNMCLDA采用的是矩阵填充形式,其中包含了两个用来分别提取lncRNA和疾病隐藏特征的卷积神经网络,并设计了5种不同的损失函数同步优化模型参数。特别的,该模型还设计了一种划分负样本的算法以保证正负样本均衡,避免了一些传统模型的局限性,其交叉验证实验结果和案例分析都表明CNMCLDA显著优于现有经典计算模型。最后,本文总结了文中三种预测模型,并对未来的研究计划做出了展望。