论文部分内容阅读
近年来,随着生物信息学领域的迅速发展以及应用,人们获取了海量的生物数据,如何从这些海量数据中挖掘出有价值的生物信息,逐渐成为生物信息学领域的研究热点。高通量生物技术的发展为致病基因的预测提供了海量的数据来源,尤其是蛋白质相互作用网络和疾病表型相似性网络等为代表的生物网络很好地表示了基因和疾病之间的复杂关系,为致病基因预测提供了强有力的支撑。当前大部分基于计算的致病基因预测方法采用了"guilt-by-association"假设,即表现型相似的疾病往往是由功能相关的基因引起的,并且相关研究已经证明同类疾病相关的基因产物之间发生物理相互作用的概率更高。虽然这些方法在致病基因预测中取得了不错的成绩,但其预测效果仍有提升的空间。因此,本文基于热扩散和多源异构数据模型来研究致病基因预测问题,主要研究工作如下:第一,当前大部分致病基因预测方法把网络中的孤立节点当成网络噪音,因此这些算法并不能很好地预测网络中的孤立节点。并且现存的方法在预测致病基因时,往往更偏向于网络中度比较大的节点,而对于网络中的稀疏节点来说,效果不是很理想。针对上述问题,本文提出了一种基于热扩散模型和排名一致性原则的致病基因预测方法NDRC,对1931个疾病的所有已知致病基因进行留一法交叉验证。实验结果表明在预测度比较小的节点和孤立节点方面,NDRC算法性能好于另外三种致病基因预测方法RWR、VAVIEN和PRINCE。最后,将本文提出的致病基因预测方法NDRC方法用于麦克尔综合征1、蛋白C缺乏症和过氧化物酶体生物合成障碍1A,发现复杂疾病的致病基因呈现明显的模块特征。第二,由于高通量得到的生物数据还远远不够完善,这些数据存在严重的假阳性和假阴性问题,因此仅仅使用一种生物数据还不能很好地预测致病基因。为了提高致病基因的预测精度,本文提出了一种基于热扩散和多源异构数据融合的致病基因预测算法NDHD。NDHD算法融合蛋白质相互作用网络、疾病表型相似性网络和蛋白质结构域网络来预测致病基因。实验结果表明NDHD算法在验证已知致病基因和预测新致病基因方面效果好于ProphNet算法。