论文部分内容阅读
长非编码RNA(long noncoding RNAs)是一类长度超过200个核苷酸的非编码RNAs，大量研究表明，lncRNAs在许多重要的生物过程中起着关键作用，并且其突变和失调与许多疾病有关。然而通过生物实验方法来识别lncRNA和疾病的关联是费时费力的。有效的计算方法将有助于人类对疾病分子机制的理解，并有助于寻找疾病诊断，治疗和预防的生物标志物。本文主要研究使用计算方法来预测lncRNA-疾病关联关系。 生物网络方法已经应用于多个生物信息领域，本文利用已知 lncRNA-疾病关联关系数据，lncRNA 表达相似度，疾病语义相似度等得到了 lncRNA-lncRNA 相似度矩阵和疾病相似度矩阵。并通过相似度矩阵构建了lncRNA-疾病异构网络，通过在异构网络上进行双随机游走算法，对未知的关联进行预测，在对已知数据上的LOOCV下AUC值达到了0.9374，五折交叉验证下达到了0.8504，高于其它几种对比的方法。基于异构网络的模型对于高关联疾病的预测和对新疾病的预测都表现出良好效果。另外，通过将方法应用于复杂疾病进行案例研究，说明了方法的有效性。而且，方法可以同时对所有疾病进行预测。 机器学习方法对于解决例如像推荐系统等问题有很多的应用，利用已知的长非 RNA-疾病关联关系，通过引入 miRNA 和疾病的相关信息，本文计算了新的lncRNA相似度矩阵，并通过疾病间的关系扩展了数据集。通过引入堆叠自编码器和多层神经网络，提出了能够提取数据高层特征的基于神经网络的机器学习模型，以及通过集成方法将多个基分类器进行有效组合的集成模型，两个模型在新数据集上，五折交叉验证下分别达到了0.9041和0.9072的AUC。模型也能够对miRNA-疾病关联关系进行预测，并能到达很好的效果。在噪声数据下的结果证明了模型较好的鲁棒性。此外，对前列腺癌，肺癌和胃癌三个疾病的案例研究进一步证明了其预测未知lncRNA-疾病关联关系的能力。同时，模型可以对没有任何已知关联关系的疾病进行预测。 本文提出了基于异构网络的方法和基于机器学习的方法来预测 lncRNA-疾病关联关系，在实验相关指标和案例分析中都获得的很好的结果，因此，方法可能对未来生物医学研究是一个很好的补充。最后，本文对所提出的模型方法进行了总结，并对未来的研究进行了展望。