發(fā)布時間：2024-01-27 04:51

　　在當今社會中,很多復雜疾病嚴重威脅著人們的生活質量、甚至生命安全。這些復雜疾病的病情發(fā)展都具有突然惡化的現(xiàn)象,從系統(tǒng)生物學的觀點看,就是疾病系統(tǒng)隨著時間演化出現(xiàn)了臨界點,顯然,探測各類復雜疾病的臨界點對疾病防治工作具有重要意義。本論文從系統(tǒng)生物學和生物信息學的觀點出發(fā),利用計算生物學的理論和方法,基于高通量生物分子數(shù)據(jù)以及動態(tài)網(wǎng)絡標志物,對如何探測疾病臨界點這一重要問題展開研究,在4種不同的樣本條件下開發(fā)了探測疾病臨界點的以下4種算法:(1)提出了基于分子表達的非監(jiān)督學習算法,闡述了該算法是將平穩(wěn)馬爾科夫過程的切換點與疾病臨界點對應起來的算法思路,給出了算法的流程、操作步驟。并把該算法應用于乳腺癌細胞分化臨界點的探測中。(2)提出了基于分子調控網(wǎng)絡的非監(jiān)督學習算法,給出了構建分子相關性網(wǎng)絡、特異性網(wǎng)絡、差異性網(wǎng)絡序列的方法、構建了網(wǎng)絡模型、進行了仿真試驗和交叉驗證,并對以上這兩種算法的異同點以及優(yōu)缺點進行了分析。把該算法應用于光氣吸入導致的肺部急性損害臨界點的探測中,并針對該算法挖掘出來的信號基因做了功能分析。(3)提出了利用矩展開進行數(shù)據(jù)降噪的算法,包括降噪處理的思路、狀態(tài)變量升維、...

【文章頁數(shù)】：112 頁

【學位級別】：博士

圖5-1系統(tǒng)架構圖

本文編號：3886333