基于Cytoscape的癌症信息整合网络可视化插件的设计与实现

摘要

随着人类基因组计划的完成和基因组测序技术的不断发展，癌症相关研究中产生了海量基因组数据，充分利用好这些数据资源进行数据挖掘，对于癌症相关研究至关重要，同时，要使海量数据背后所承载的信息更加直观地呈现在研究者的面前，就必须借助合适的可视化工具。因此，基于癌症基因组等相关数据开发适合其特点的可视化工具便具有重要意义。
　　本文列举了当前主流的癌症信息可视化工具，并分析了它们的可视化形式及优缺点，然后根据研究需求开发一款基于Cytoscape3的癌症信息整合网络可视化插件。
　　本文阐述了基于Cytoscape3的癌症信息整合网络可视化插件的设计原理和实现细节。可视化插件基于药物基因组学的研究内容和研究步骤进行设计:对基因网络进行聚类，并将聚类簇与基因-药物-疾病网络进行匹配并可视化展示，科研人员可以通过观察药物与基因、疾病的关联，预测可能的新的药物基因靶点;将整合的基因、药物、疾病数据存入数据库，用于信息查询。其中对基因网络的聚类操作采用MCODE算法和MCL算法，聚类簇匹配结果用frame展示，对于密集的区域还可以通过双击结点提取子网络另外展示。此外，还可以通过单击结点展示结点的相关信息。
　　本插件用到的数据包括基因网络，基因-药物-疾病网络等。基因网络数据来源于UCSC Genome Browser获取的基因互作数据，本文抽取出其中的基因对并将其整理成适于直接导入Cytoscape的网络数据。基因、药物、疾病网络数据来源于DrugBank，通过下载的数据中的小篇幅描述将药物、癌症归类，通过人工处理空白的数据，并将数据分类导入数据库以便于查询。
　　本文中实现的插件涉及一种新的药物基因组学分析方法，即寻找潜在的药物基因靶点的方法。插件实现以不同的粒度将基因聚类的结果展示出来，科研人员通过观察匹配结果预测新的药物靶点基因，有助于靶向药物用药指导以及探索现有靶向药物的作用机制。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 课题背景及研究的目的与意义

1．1．1 课题研究的背景

1．1．2 课题研究的目的与意义

1．2 国内外研究现状

1．3 本文的主要内容

1．4 本文的结构安排

第2章 Cytoscape的架构

2．1 Cytoscape的核心模块

2．2 Cytoscape的技术基础

2．2．1 Maven

2．2．2 Git

2．2．3 OSGi

2．3 小结

第3章 可视化插件的详细设计

3．1 插件的设计原理

3．2 插件功能设计

3．3 数据格式要求

3．4 聚类算法选择

3．5 插件布局设计

3．6 数据源

3．7 数据处理

3．8 数据字典

3．9 MCODE算法解读

3．9．1 MCODE算法简介

3．9．2 MCODE算法步骤

3．10 MCL算法解读

3．10．1 马尔科夫链

3．10．2 MCL算法步骤

3．10．3 MCL算法的收敛性简析和结果简析

3．11 小结

第4章 可视化插件的实现

4．1 插件中使用的服务和自定义的类

4．2 MCODE算法的实现

4．2．1 MCODE算法寻找Highest-Kcore的实现

4．2．2 MCODE算法网络结点归类的实现

4．2．3 MCODE算法时间复杂度分析

4．2．4 MCODE算法实现效果

4．3 MCL算法的实现

4．3．1 MCL算法中的矩阵相乘

4．3．2 斯特拉森矩阵相乘法在MCL应用中的调整

4．3．3 MCL算法中矩阵各列值过滤

4．3．4 MCL算法的整体实现

4．3．5 MCL算法实现效果

4．4 MCODE算法和MCL算法对同一个网络的聚类结果比较

4．5 聚类簇与基因、药物、疾病网络匹配及可视化

4．5．1 聚类簇与基因、药物、疾病网络匹配的实现

4．5．2 聚类簇匹配结果可视化

4．5．3 结点查询结果可视化

4．5．4 单个结点信息查询结果展示

4．6 插件评估

4．6．1 MCODE算法运行时间评估

4．6．2 MCL算法运行时间评估

4．6．3 MCODE算法和MCL算法的运行时间比较

4．6．4 MCODE算法和MCL算法的运行内存比较

4．7 小结

结论

参考文献

附录A (攻读硕士学位期间所发表的学术论文目录)

致谢