癌癥本質(zhì)上與基因變異有關(guān),目前人們普遍認(rèn)為,有一小部分發(fā)生變異的基因具有選擇生長優(yōu)勢,對癌癥發(fā)生發(fā)展過程有促進(jìn)作用,一般稱之為驅(qū)動基因。大部分發(fā)生變異的基因?qū)Π┌Y發(fā)生發(fā)展沒有促進(jìn)作用,稱之為乘客基因。在眾多的乘客基因中識別驅(qū)動基因是癌癥研究的熱點(diǎn)問題。圍繞這一目標(biāo),很多驅(qū)動基因識別算法應(yīng)運(yùn)而生,特別地,鑒于基因之間存在相互作用關(guān)系,且從網(wǎng)絡(luò)角度可以更加系統(tǒng)地研究癌癥特點(diǎn),因此,已有很多基于網(wǎng)絡(luò)的方法被用來挖掘癌癥驅(qū)動基因。但是仍然有很多特征對驅(qū)動基因識別有影響,例如基因長度對突變概率的影響、先驗(yàn)知識的影響以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征的影響等。另外,除了對單一癌癥識別驅(qū)動基因外,有研究表明不同癌癥之間可能存在相同的特點(diǎn)和致病基因。本文針對上述問題開展了系統(tǒng)性研究,主要工作如下:(1)提出了一種基于基因長度校正突變概率的驅(qū)動基因識別算法LNDriver,本算法考慮了基因長度對基因突變概率的影響。對于體細(xì)胞突變數(shù)據(jù),通過廣義加性模型,根據(jù)突變基因長度,對其突變概率進(jìn)行校正,從而過濾由于長度過長產(chǎn)生的假陽性基因。然后根據(jù)蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò),將篩選后的基因突變數(shù)據(jù)與表達(dá)數(shù)據(jù)整合并構(gòu)建二分圖,最后...

【文章頁數(shù)】：115 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 課題研究背景及意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 基于突變頻率的驅(qū)動突變/基因識別算法
        1.3.2 基于功能影響的驅(qū)動突變/基因識別算法
        1.3.3 基于結(jié)構(gòu)基因組的驅(qū)動突變/基因識別算法
        1.3.4 基于通路和網(wǎng)絡(luò)分析的驅(qū)動基因識別算法
        1.3.5 驅(qū)動通路或驅(qū)動模塊識別算法
    1.4 本文的研究內(nèi)容和安排
第二章 相關(guān)知識概述
    2.1 引言
    2.2 驅(qū)動基因與乘客基因
    2.3 TCGA數(shù)據(jù)庫
    2.4 多組學(xué)數(shù)據(jù)
        2.4.1 基因組數(shù)據(jù)
        2.4.2 轉(zhuǎn)錄組數(shù)據(jù)
        2.4.3 蛋白質(zhì)組數(shù)據(jù)
    2.5 復(fù)雜網(wǎng)絡(luò)
        2.5.1 網(wǎng)絡(luò)的定義
        2.5.2 網(wǎng)絡(luò)的表示方法
        2.5.3 網(wǎng)絡(luò)的分類
        2.5.4 網(wǎng)絡(luò)的一般屬性
        2.5.5 網(wǎng)絡(luò)的中心性
    2.6 本章小結(jié)
第三章 基于二分圖的驅(qū)動基因識別
    3.1 引言
    3.2 Driver Net算法
    3.3 基于基因長度校正的癌癥驅(qū)動基因識別算法
        3.3.1 算法流程
        3.3.2 實(shí)驗(yàn)數(shù)據(jù)
        3.3.3 實(shí)驗(yàn)結(jié)果
        3.3.4 總結(jié)與討論
    3.4 基于基因長度校正及共表達(dá)網(wǎng)絡(luò)的驅(qū)動基因識別算法
        3.4.1 算法流程
        3.4.2 實(shí)驗(yàn)數(shù)據(jù)
        3.4.3 實(shí)驗(yàn)結(jié)果
        3.4.4 總結(jié)與討論
    3.5 本章小結(jié)
第四章 基于隨機(jī)游走算法的驅(qū)動基因識別
    4.1 引言
    4.2 隨機(jī)游走算法相關(guān)知識簡介
        4.2.1 傳統(tǒng)隨機(jī)游走算法
        4.2.2 重啟動隨機(jī)游走算法介紹
    4.3 算法流程
        4.3.1 癌癥相關(guān)網(wǎng)絡(luò)的構(gòu)建
        4.3.2 種子基因的選擇
        4.3.3 網(wǎng)絡(luò)節(jié)點(diǎn)中心性計(jì)算
        4.3.4 改進(jìn)的隨機(jī)游走算法
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)
        4.4.2 對已知癌癥基因預(yù)測性能評估
        4.4.3 轉(zhuǎn)移矩陣改進(jìn)分析
        4.4.4 種子節(jié)點(diǎn)選擇的分析
        4.4.5 前10個候選驅(qū)動基因分析
    4.5 本章小結(jié)
第五章 基于多層網(wǎng)絡(luò)的驅(qū)動基因識別
    5.1 引言
    5.2 傳統(tǒng)NMF算法簡介
    5.3 算法流程
        5.3.1 多層網(wǎng)絡(luò)的構(gòu)建
        5.3.2 Driver-MulJNMF算法介紹
        5.3.3 算法評估
        5.3.4 參數(shù)選擇
    5.4 實(shí)驗(yàn)結(jié)果
        5.4.1 實(shí)驗(yàn)數(shù)據(jù)
        5.4.2 Hallmark富集分析及比較
        5.4.3 文獻(xiàn)檢索分析
        5.4.4 通路和功能富集分析
        5.4.5 生存分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 研究展望
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的研究成果
致謝



本文編號：3799268