疾病表型與基因型關(guān)聯(lián)是現(xiàn)代生物醫(yī)學研究的核心內(nèi)容之一。識別疾病表型的致病基因,研究這些基因在疾病發(fā)生發(fā)展過程中的作用機制是生物醫(yī)學基礎(chǔ)研究的主要目標。傳統(tǒng)的致病基因識別方法(如連鎖映射和全基因組關(guān)聯(lián)分析)主要從實驗角度出發(fā),但是整個生物實驗和數(shù)據(jù)分析的過程極為耗時耗力。隨著人類全基因組計劃的完成和高通量測序技術(shù)的成熟,目前已經(jīng)積累了海量的生物實驗數(shù)據(jù)�；诒硇秃突蛐拖嚓P(guān)的數(shù)據(jù),采用計算方法預測致病基因被證明是一種有效的方法。近年來相關(guān)研究者陸續(xù)提出了多種性能顯著的疾病表型基因預測方法,但鑒于疾病分子機制的復雜性,仍然存在諸多問題與挑戰(zhàn):(1)基于網(wǎng)絡傳播的預測模型易受到網(wǎng)絡中核心節(jié)點的影響,導致模型偏向于識別出網(wǎng)絡中的核心基因;(2)對于基于嵌入表示的預測方法,充分利用已有的多種異構(gòu)關(guān)系來構(gòu)建疾病和基因的上下文信息仍是一個難題,同時探索不同的異構(gòu)網(wǎng)絡對預測性能的影響也至關(guān)重要;(3)目前大多數(shù)的預測方法會受到相互作用組學數(shù)據(jù)的不完整性和表型基因型關(guān)聯(lián)的研究偏向性的影響,導致很難識別出新穎且可靠的候選基因;(4)由于醫(yī)學關(guān)系數(shù)據(jù)的稀疏性和復雜性,設(shè)計基于多視圖特征的深度神經(jīng)網(wǎng)絡模型預測...

【文章頁數(shù)】：117 頁

【學位級別】：博士

【部分圖文】：

圖2-1網(wǎng)絡傳播方法的示例圖

陣）；基于多種基因相關(guān)的信息，構(gòu)建了9個基因關(guān)系網(wǎng)絡（=()×表示基因網(wǎng)絡的權(quán)重矩陣）；基于已有的疾病-基因關(guān)系，構(gòu)建了疾病-基因關(guān)系網(wǎng)絡（=()×表示疾病基因網(wǎng)絡的權(quán)重矩陣）。然后對四個權(quán)重矩陣分別做歸一化操作，可以得到它們的歸一化矩陣，即=()×=(/∑=1)×（若∑=1=0....

圖2-2疾病和基因相關(guān)的關(guān)系數(shù)目概覽Figure2-2Summaryofthenumberofdiseaseandgenerelatedassociations.

北京交通大學博士學位論文18MalaCards和DisGeNet庫中的疾病術(shù)語編碼不一致，因此我們將這兩個庫中的疾病術(shù)語編碼統(tǒng)一對應到UMLS[114]庫的術(shù)語編碼（即CUI）。從DisGeNet和MalaCards中分別獲得的疾病-基因關(guān)系僅僅存在5.47%的重疊關(guān)系，這樣能夠....

圖3-1D）和融合網(wǎng)絡表示與網(wǎng)絡傳播的預測算法RW-RDGN（圖3-1E）

北京交通大學博士學位論文22LVRSim（圖3-1D）和融合網(wǎng)絡表示與網(wǎng)絡傳播的預測算法RW-RDGN（圖3-1E）。最后，我們使用十重交叉驗證方法對比了不同算法的預測性能，結(jié)果表明RW-RDGN方法的預測性能顯著優(yōu)于基線方法。同時，案例分析結(jié)果也表明RW-RDGN方法預測到的候....

圖3-2基于不同疾病相似度的疾病重疊分布

北京交通大學博士學位論文30算法的整體性能表現(xiàn)較差（AP<0.3；在TOP@3上，PR<0.4，RE<0.4，F(xiàn)1<0.25），而LVRSim_N算法的性能遠遠好于LVRSim_L（AP>0.5；在TOP@3上，PR>0.6，RE>0.7，F(xiàn)1>0.5）。這表明對于疾病基因預測任....

本文編號：3917175