發(fā)掘控制疾病發(fā)生的新基因具有重要的醫(yī)學意義。致病基因為闡明疾病機理和預測疾病潛在風險提供了有效線索。近年來,伴隨著生物信息學相關技術的發(fā)展,各種基因組、基因型和表型等生物數(shù)據出現(xiàn)爆發(fā)式增長,基于多重生物網絡的計算方法為基因疾病關系預測發(fā)揮了重要作用。然而,這些生物網絡通常伴隨著高噪聲高維度等特點,這大大影響了網絡的可靠性。本文主要研究基因與疾病關聯(lián)關系的預測方法,主要包括了基因和疾病的特提取及矩陣填充兩個重要部分。本文圍繞這兩個環(huán)節(jié)進行優(yōu)化和改進。具體的研究內容如下:1)為了獲取更深層的生物特征,引入了深度學習模型——多層降噪自編碼器（SDAE）來處理基因相關數(shù)據集,并與傳統(tǒng)協(xié)同過濾方法相結合,構建一個深度協(xié)同過濾（DCF）模型。將這個模型作為本文研究工作的基準模型。2)由于基因-疾病關聯(lián)關系數(shù)據存在不確定反饋的特性,采用基于正類和無標簽樣本的學習方法（PU learning）,有差別地懲罰對正類樣本和無標簽樣本誤分類的情況。實驗結果表明,PU模型性能略高于基準模型,驗證了有偏學習方法的在這一特定場景下的作用。3)為了進一步挖掘基因相關數(shù)據集的可利用信息,借鑒網絡表示學習中節(jié)點嵌入（n... 

【文章來源】：廈門大學福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

圖１－ｉ致病基因預測方法一般步驟??

Ｙｅａｒｓ??圖１－２?ＰｕｂＭｅｄ數(shù)據庫中生物信息學相關著作過去三十年的數(shù)量變化情況［１４］??如圖１－２所示，自１９７０年作為一個學科領域被提出以來，生物信息學己經經??過了四十多年的持續(xù)發(fā)展。在ＰｕｂＭｅｄ數(shù)據庫丨１３］中檢索生物信息學關鍵字，可以??

取得重大進步，生物信息學領域也不例外。深度學習可以幫助從ＤＮＡ序列中發(fā)??現(xiàn)連接點，從Ｘ射線圖像中識別手指關節(jié)，從腦電圖（ＥＥＧ）信號中檢測到失誤??等，上述過程如圖３－１所示：??１７??

【參考文獻】：
期刊論文
[1]PTEN in liver diseases and cancer[J]. Marion Peyrou,Lucie Bourgoin,Michelangelo Foti.  World Journal of Gastroenterology. 2010(37)
[2]全基因組關聯(lián)分析的進展與反思[J]. 凃欣,石立松,汪樊,王擎.  生理科學進展. 2010(02)



本文編號：3027568