论文部分内容阅读
MicroRNAs (miRNAs)是一类非编码小RNA分子,它通过与靶标mRNAs完全或部分碱基互补配对来调控在后转录水平的基因表达,并且导致靶标mRNAs降解或抑制mRNAs的翻译过程。miRNAs在许多生物和代谢过程中扮演重要角色,这些过程包括生长周期、细胞分化、细胞增殖、细胞生长、细胞迁移、细胞凋亡、应激反应和癌症。因此,miRNAs被认为是复杂功能性基因调控模块网络的关键调控因子之一。虽然借助mRNAs来分析miRNAs的大量工作已经用于阐述miRNAs的调控机理,但是它们大部分的准确功能仍然处于未知状态。在本课题中,我们提出了一种概率话题模型,它用来识别后转录水平下特定生物条件中miRNAs和靶基因mRNAs之间的调控网络,即功能性miRNA-mRNA调控模块(FMRMs)。功能性miRNA-mRNA调控模块(FMRMs)是靠结合上皮细胞-间充质细胞转型(EMT)中的异构数据源来识别的,这些异构数据源包括miRNAs和：nRNAs的表达数据,以及给定靶标结合信息。本课题所使用的概率话题模型能够有效的扑捉特定细胞条件下miRNAs和mRNAs之间的关系；其次,所识别出的差异表达miRNAs和mRNAs与EMT高度相关；该方法在EMT数据集中能够识别出与上皮细胞、间充质细胞和其他细胞类型呈正和负关联的miRNA-mRNA调控对,并且通过统计正和负关联的miRNA-mRNA调控对个数证明：在EMT数据集中,大部分miRNAs负调控靶基因mRNAs;通过IPA(Ingenuity Pathway Analysis)软件,验证了功能性miRNA-mRNA调控模块的有效性；最后,通过与基于K-means聚类方法比较得到：基于概率话题模型比基于K-means聚类方法在挖掘功能性miRNA-mRNA调控模块上更加有效。本课题结合了EMT中的异构数据源,在基因序列和基因表达水平下来挖掘功能性miRNA-mRNA调控模块。在EMT数据集中的结果表明：所识别出的FMRMs能够构造在后转录水平的生物链"miRNA→mRNA→生物条件”,从而为了解生物过程、许多疾病的功能网络和miRNA靶标治疗提供新的视角。