MicroRNAs（miRNAs）是一類非基因編碼小分子RNA,在基因轉錄后水平發(fā)揮了調控基因翻譯表達的重要作用。它通過堿基互補配對的生物學方式有效地誘導靶點mRNA（信使RNA）的降解或抑制mRNA的翻譯和表達。最近的一系列研究表明,miRNA在細胞的生命歷程、器官的生長發(fā)育等多種生物學過程中發(fā)揮著重要的調控作用。因此,miRNA的異常調控也導致了許多復雜人類疾病的發(fā)生和發(fā)展。為了有效克服傳統(tǒng)生物實驗方式的缺點和局限性,近年來陸續(xù)提出了各種基于生物信息學的方法來預測miRNA與疾病的關聯(lián)關系。目前,對miRNA與疾病之間的關聯(lián)研究主要集中在基于網(wǎng)絡結構的研究和基于機器學習算法的研究。本文提出的第一種方法為自加權多核多標簽學習框架SwMKML。SwMKML自適應地學習到兩個空間的最優(yōu)核和相似矩陣。根據(jù)圖的多標簽學習模型,同步更新兩個空間的miRNA與疾病的關聯(lián)預測分數(shù)。SwMKML采用自加權的方式解決了以往實驗中最優(yōu)核的選擇問題。SwMKML方法的優(yōu)勢在于僅僅使用一個關聯(lián)矩陣就能完成miRNA與疾病關聯(lián)關系的預測,并且能夠預測新的疾病。本文提出的第二種方法為最近鄰圖正則化矩陣分解模型N... 

【文章來源】：山東師范大學山東省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容及創(chuàng)新
    1.4 本文結構安排
第二章 miRNA與疾病
    2.1 miRNA與疾病的關系
    2.2 miRNA與疾病的關系識別
        2.2.1 基于生物實驗的miRNA-疾病預測
        2.2.2 基于生物信息學的miRNA-疾病預測
            2.2.2.1 基于網(wǎng)絡結構的預測模型
            2.2.2.2 基于機器學習的預測模型
    2.3 性能驗證方法
    2.4 miRNA與疾病相關數(shù)據(jù)庫
第三章 自加權多核多標簽學習模型的研究
    3.1 相關工作
    3.2 數(shù)據(jù)集
        3.2.1 疾病語義相似矩陣
        3.2.2 miRNA功能相似矩陣
        3.2.3 高斯相互作用譜核矩陣
    3.3 計算模型描述
        3.3.1 矩陣核化
        3.3.2 自加權多核多標簽學習
    3.4 實驗結果
        3.4.1 性能評估
        3.4.2 參數(shù)分析
        3.4.3 收斂分析
        3.4.4 案例分析
    3.5 本章小結
第四章 最近鄰圖正則化矩陣分解模型的研究
    4.1 相關工作
    4.2 計算模型描述
        4.2.1 預處理
        4.2.2 最近鄰圖正則化矩陣分解
    4.3 實驗結果
        4.3.1 性能評估
        4.3.2 參數(shù)分析
        4.3.3 收斂和約束分析
        4.3.4 案例分析
    4.4 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
攻讀碩士學位期間的主要成果
致謝


【參考文獻】：
期刊論文
[1]Does gemcitabine-based combination therapy improve the prognosis of unresectable pancreatic cancer?[J]. Daniel Ansari,Roland Andersson.  World Journal of Gastroenterology. 2012(35)

博士論文
[1]靶向VEGF的miR-126在結直腸癌侵襲和血管生成過程中的調控作用[D]. 張昱.南方醫(yī)科大學 2012
[2]基于生物網(wǎng)絡的疾病microRNA挖掘技術研究[D]. 蔣慶華.哈爾濱工業(yè)大學 2010
[3]面向基因表達數(shù)據(jù)的致病基因挖掘方法研究[D]. 張煥萍.南京航空航天大學 2009



本文編號：3173592