大數(shù)據(jù)建模中的高維優(yōu)化問題通常通過引入正則化（Regularization）來約束模型的復雜度,提升模型的解釋性,改善或者減少過擬合來提高預測精度。例如稀疏性正則化產(chǎn)生于信號處理領(lǐng)域,發(fā)展出了lasso以及壓縮感知等經(jīng)典模型。本論文將探討將刻畫變量之間相互關(guān)系的網(wǎng)絡(luò)結(jié)構(gòu)引入正則化,構(gòu)建最優(yōu)化模型,建模生物醫(yī)學數(shù)據(jù)。具體而言,集成轉(zhuǎn)錄組,表觀組、蛋白質(zhì)相互作用等多組學數(shù)據(jù),重建調(diào)控網(wǎng)絡(luò),構(gòu)建網(wǎng)絡(luò)正則最優(yōu)化模型,預測DNA甲基化轉(zhuǎn)移酶（DNA methlytransferase,DNMT）結(jié)合位點。DNMT介導的DNA甲基化在在胚胎發(fā)育和腫瘤發(fā)生等重要的生物過程中具有十分重要的作用。然而DNMT在許多組織和細胞系中的結(jié)合位點實驗上難以觀測,數(shù)據(jù)是缺失的,極大的阻礙了對這一重要蛋白質(zhì)家族的功能和機理研究。有必要發(fā)展計算生物學方法,集成大量高通量測序技術(shù)產(chǎn)生的多組學數(shù)據(jù),來預測DNMT結(jié)合位點信息。本文構(gòu)建數(shù)學最優(yōu)化模型,集成多組學數(shù)據(jù),預測DNMT在基因組上的結(jié)合位點,主要的工作包括以下幾個方面:（1）基于adaptive lasso正則化的邏輯回歸（logistic regression,... 

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
縮略語表
第一章 引言
    1.1 DNA甲基化
    1.2 DNA甲基化轉(zhuǎn)移酶
    1.3 染色質(zhì)狀態(tài)
    1.4 高通量實驗技術(shù)與多組學數(shù)據(jù)
        1.4.1 染色質(zhì)免疫共沉淀測序技術(shù)
        1.4.2 DNase I超敏位點測序技術(shù)
        1.4.3 轉(zhuǎn)座酶測定染色質(zhì)可及性測序技術(shù)
        1.4.4 轉(zhuǎn)錄組測序技術(shù)
        1.4.5 全基因組重亞硫酸鹽測序
    1.5 DNMT結(jié)合位點與機制研究背景
    1.6 基于邏輯回歸的最大似然優(yōu)化模型
    1.7 正則化方法的研究現(xiàn)狀
    1.8 本論文內(nèi)容安排
第二章 預測DNMT結(jié)合位點的最優(yōu)化模型(GuidingNet)
    2.1 GuidingNet建模的框架
    2.2 GuidingNet模型
        2.2.1 特征選擇
        2.2.2 特征組合
        2.2.3 基于邏輯回歸的網(wǎng)絡(luò)正則最優(yōu)化模型
        2.2.4 黃金標準數(shù)據(jù)的構(gòu)造
    2.3 GuidingNet模型的訓練與輸出
    2.4 小結(jié)
第三章 GuidingNet的預測精度及特征選擇性能
    3.1 數(shù)據(jù)收集
    3.2 GuidingNet能準確預測DNMT結(jié)合位點
    3.3 GuidingNet優(yōu)于基于單個特征預測
    3.4 GuidingNet的網(wǎng)絡(luò)正則化性能
    3.5 網(wǎng)絡(luò)正則化與其他正則化方法的比較
    3.6 GuidingNet與隨機選擇TF進行預測的比較
    3.7 小結(jié)
第四章 GuidingNet增強DNMT結(jié)合位點預測的生物學解釋
    4.1 GuidingNet揭示出DNMT結(jié)合機制中關(guān)鍵的轉(zhuǎn)錄因子
    4.2 不同DNMT在不同細胞環(huán)境中的結(jié)合模式的差異
    4.3 DNA甲基化數(shù)據(jù)對GuidingNet預測結(jié)果的驗證
    4.4 GuidingNet可應(yīng)用于Dnmt3b跨組織預測
    4.5 小結(jié)
第五章 GuidingNet應(yīng)用于其他染色質(zhì)重塑因子的結(jié)合位點預測
    5.1 單個特征對其他染色質(zhì)重塑因子結(jié)合位點的預測能力
    5.2 GuidingNet對其他染色質(zhì)重塑因子結(jié)合位點的預測精度
    5.3 GuidingNet在其他染色質(zhì)重塑因子預測中特征選擇方面的表現(xiàn)
    5.4 本章小結(jié)與討論
第六章 結(jié)論與展望
    6.1 本文的主要貢獻
    6.2 工作展望
參考文獻
發(fā)表文章目錄
致謝



本文編號：3701552