自人類基因組計劃開始以來,新的組學數(shù)據(jù)測定技術不斷涌現(xiàn),生命科學進入了多組學的時代。與僅使用單一組學數(shù)據(jù)的方法相比,整合多組學數(shù)據(jù)可以彌補任何單一組學中缺失或不可靠的信息,并通過多個證據(jù)來源降低假陽性。用于整合多組學或多維度生物醫(yī)學數(shù)據(jù)的新算法成為多組學研究不可或缺的關鍵技術。此外,各種維度藥物信息學數(shù)據(jù)的積累為藥物研發(fā)特別是藥物重定位帶來了新的機遇,然而,目前大多數(shù)算法仍然僅使用單一維度的數(shù)據(jù)實現(xiàn)藥物重定位預測,整合多維藥物信息進行精確的藥物重定位仍然面臨挑戰(zhàn)。本研究首先提出了一種基于在異質網絡上重啟隨機游走的多組學數(shù)據(jù)整合算法,用于整合基于不同組學數(shù)據(jù)構建的相似性網絡。該方法包含兩個主要步驟:（1）構建每個組學數(shù)據(jù)的相似性網絡,然后通過連接多個相似性網絡的相應樣本構建異質網絡;（2）在異質網絡上進行重啟隨機游走。經過多次迭代之后,得到穩(wěn)態(tài)概率分布。利用穩(wěn)態(tài)概率分布將多個相似性網絡整合為一個相似性網絡。本研究將算法應用于TCGA癌癥數(shù)據(jù),整合了三種類型的組學數(shù)據(jù),并進行了聚類分析以辨識癌癥亞型。實驗結果表明,本研究提出的算法在性能上優(yōu)于已有的方法。本研究所辨識的癌癥亞型結果為臨床應用... 

【文章來源】：軍事科學院北京市

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【文章目錄】：
縮略語表
摘要
Abstract
前言
    0.1 論文的研究背景
        0.1.1 多組學數(shù)據(jù)整合分析快速發(fā)展
        0.1.2 多維藥物信息學數(shù)據(jù)的積累為藥物重定位帶來機遇
        0.1.3 藥-靶-病關聯(lián)關系預測有助于實現(xiàn)精準藥物重定位
    0.2 論文的組織結構
    0.3 論文的創(chuàng)新點
第一章 基于異質網絡重啟隨機游走的多組學數(shù)據(jù)整合算法
    1.1 研究背景
    1.2 數(shù)據(jù)來源及預處理
    1.3 算法介紹
        1.3.1 評估指標
        1.3.2 RWRI算法
        1.3.3 RWRNI算法
        1.3.4 算法的收斂性與參數(shù)選擇
        1.3.5 聚類方法
    1.4 算法性能分析
        1.4.1 算法框架概覽
        1.4.2 算法抗噪能力
        1.4.3 算法性能
    1.5 案例研究
    1.6 討論與小結
第二章 面向藥物重定位的多維度數(shù)據(jù)整合計算框架及其應用
    2.1 研究背景
    2.2 數(shù)據(jù)與方法
        2.2.1 藥物重定位框架概覽
        2.2.2 數(shù)據(jù)來源
        2.2.3 藥物相似性度量
        2.2.4 相似性網絡融合算法
        2.2.5 聚類有效性指標
        2.2.6 評估指標
        2.2.7 對比方法
        2.2.8 數(shù)據(jù)貢獻度評估
        2.2.9 統(tǒng)計分析方法
    2.3 藥物重定位框架的構建與應用
        2.3.1 整合藥物相似性網絡的構建及基于PIMD框架的全局分析
        2.3.2 與其他方法的對比
        2.3.3 基于整合藥物相似性網絡進行藥物重定位
        2.3.4 整合藥物相似性網絡的社團分析
    2.4 藥物重定位案例研究
    2.5 討論與小結
第三章 基于多維度數(shù)據(jù)整合的藥-靶-病關聯(lián)關系預測計算框架
    3.1 研究背景
    3.2 數(shù)據(jù)與方法
        3.2.1 數(shù)據(jù)來源及預處理
        3.2.2 三元關聯(lián)預測計算框架
        3.2.3 參數(shù)選擇
    3.3 三元關聯(lián)預測計算框架的應用
        3.3.1 性能評估
        3.3.2 多維度數(shù)據(jù)整合的優(yōu)越性
        3.3.3 與其他方法的對比
        3.3.4 三元關聯(lián)預測結果與其他數(shù)據(jù)庫的交叉對比
        3.3.5 社團分析
    3.4 討論與小結
第四章 結論與展望
參考文獻
作者在學期間取得的學術成果
主要簡歷
致謝



本文編號：3163102