论文部分内容阅读
基因共表达网络是生物网络的一种，由基因作为结点，基因间的相互关系作为边。它可以用于寻找基因模块和hub-gene从而发现新的致癌基因、癌症亚型等。现有的大多数构建方法使用基因表达谱数据计算基因之间的关系，然而随着第二代测序技术的发展，人们可以得到比基因表达谱更细粒度的数据：基因所包含的外显子的表达值，也就是RNA-seq数据。这就要求我们使用新的方法构建基因共表达网络，典型相关分析CCA就是其中一种。CCA方法将一个基因看为多个外显子组成的向量而不是一维数值，构建的网络更为精确。在CCA算法的基础上，本文增加了数据预处理部分并对基因共表达网络的分析方法提出了改进。数据预处理部分使用了多种方法在不同维度对数据进行了归一化，并且使用T检验、Wilcoxon秩和检验和K-S检验筛选出normal组和tumor组之间表达显著的外显子，减少计算量并提高数据质量。在共表达网络的分析中，将基因共表达网络用于寻找显著pathway：使用normal组和tumor组的共表达网络计算pathway之间的共性分类相关关系CPCC，该值越小说明pathway越显著。为了证明分析方法的有效性，使用乳腺癌RNA-seq数据构建基因共表达网络，对top20pathway的显著性进行论证。在这20个pathway中，有12个pathway可以找出与乳腺癌相关联的文献，对这些pathway包含的基因进行层次聚类，结果显示normal样本和tumor样本被分的很开。此外，这些pathway的CPCC在随机CPCC的正态分布中的概率值均小于0.2。这些结果都显示我们的方法是有效的。最后我们构建了网站，实现了CCA构建的基因共表达网络及CPCC分析结果的在线显示。用户可以选择相关癌症和pathway，网站会展示出normal组和tumor组数据的共表达网络和分析结果。