论文部分内容阅读
长链非编码RNA(lncRNA)是长度大于200碱基,且可以通过折叠的方式形成稳定的空间结构,但是不能编码蛋白的RNA。随着下一代测序技术与生物信息学的发展,近年来lncRNA研究引起了越来越多的关注,深入探讨lncRNA与蛋白质的相互作用关系以及疾病关联分析是推断lncRNA功能和深入研究lncRNA的主要途径。目前lncRNA与蛋白质的互作预测仍处于初步阶段。lncRNA在众多生物学通路与生物分子功能中扮演着重要的角色,且与众多疾病的发生、发展息息相关,lncRNA通过生物大分子之间的相互作用来实现生物学功能,lncRNA最重要的分子机制之一是与蛋白质的相互作用。网络科学的兴起以及其在生物信息学领域的应用深入也为lncRNA的深入挖掘提供新的方法。目前已经有多种预测lncRNA与蛋白质相互作用的方法被提出。主要分为两大类预测lncRNA与蛋白质相互作用的方法:第一大类是基于序列、结构及理化性质的内在特征预测lncRNA与蛋白质相互作用的计算模型;第二大类是基于网络方法的外部关联预测lncRNA与蛋白质相互作用的计算模型。一方面反映了学界对lncRNA与蛋白质分子相互作用关系的这一问题有着浓厚的兴趣和一定的重视,另一反面也表现了机器学习与网络科学在探索生物领域所蕴含的远大前景。在本研究的第一部分,分别对基于机器学习与网络分析方法预测lncRNA与蛋白质相互作用的计算模型进行了系统和全面地分析与比较,归纳了这两大类计算方法的不同优缺点,以及适用范围。这部分内容不仅可以全面地展示当前lncRNA与蛋白质分子相互作用的研究进展,帮助用户在不同的数据集下选择合适的预测相互作用的方法,最终取得更加可靠的相互作用结果。在本研究的第二部分,提出了新的预测lncRNA与蛋白质分子相互作用的算法。构建异质网络,利用网络表示学习DeepWalk算法深度挖掘分子外部的关联特征以及异质网络中生物分子间的拓扑结构信息,构建多种分类器模型预测lncRNA与蛋白质的互作,并进一步与其他预测lncRNA-蛋白质互作的算法相比较,本部分提出的算法在效果和方法方面都有着良好的表现。此外,目前已收录在公开数据库中的lncRNA与疾病关联的数目相比于已经鉴定出来的lncRNA的数目是不能相提并论的,仅有极少一部分lncRNA与疾病关联的数据,为此,在本文第三部分的研究中,构建了利用异质网络拓扑相似性的lncRNA与疾病关联的预测模型。首先构建了包括lncRNA-microRNA的相互作用、lncRNA-疾病的关联、microRNA-疾病的关联、lncRNA-lncRNA的相互作用和疾病-疾病的相互作用所组成的异质网络,基于DeepWalk得到节点的向量表示,计算拓扑相似性并基于规则推理预测潜在的lncRNA与疾病关联的计算方法。利用10折交叉验证,与同样基于网络方法预测lncRNA与疾病关联的计算模型RWRHLD和RWRlncD进行比较,并进一步基于文本挖掘对预测结果进行验证与比较,本部分提出的预测lncRNA与疾病关联的计算方法获得了令人满意的表现,并优于RWRHLD和RWRlncD算法。通过本文的研究,总结并讨论了lncRNA与蛋白质相互作用预测的计算方法,并提出了新的基于异质网络中挖掘隐藏的拓扑结构信息提取分子外部关联的特征,构建机器学习模型预测lncRNA与蛋白质相互作用的计算方法。此外,构建lncRNA与疾病关联的异质网络,基于拓扑相似性质的关联规则预测lncRNA与疾病关联。通过本文的工作可以有助lncRNA的功能推断,全面推动lncRNA的研究。