基于贝叶斯网络构建的基因表达调控网络分析

摘要

后基因组时代,高通量数据的产生和分析是生物信息学研究的重要任务。其中,基因调控网络的研究有助于在分子层面上揭示基因型和表型之间的关系,为疾病的早期诊断和治疗、预防和预后提供有效的分析策略和技术支持。本文选择大脑皮层微阵列基因表达数据为分析对象,以发现和预测基因之间的相互关系,特别是基因转录调控关系为目的,利用大脑皮层基因表达数据构建和分析基因调控网络。具体内容如下：
　　 ⑴处理大脑皮层基因表达数据,包括2方面工作,即基因芯片数据的预处理和基因表达数据的聚类分析。本文利用R语言平台和Bioconductor项目中的微阵列数据预处理相关包,提出针对寡核苷酸基因芯片数据的预处理方法,将探针水平的大脑皮层基因表达数据转换成基因表达数据矩阵,有助于大脑皮层基因表达数据的进一步分析。大脑皮层基因表达数据的聚类分析包括对基因表达数据样本的聚类分析和对基因变量的聚类分析。在对大脑皮层基因表达数据样本的聚类分析中,确定异常样本的定义和处理方法,去除大脑皮层基因表达数据中的异常样本。在对大脑皮层基因的聚类分析中,分析比较各种聚类方法产生的基因聚类效果,确定合适的聚类算法对大脑皮层基因进行聚类分析,确定相似表达功能大脑皮层基因簇。
　　 ⑵基于贝叶斯网络模型构建基因调控网络。通过聚类分析筛选出高度相关的大脑皮层基因簇,结合Biolearn软件进行基因调控网络的构建。通过选取不同的参数,分析不同评分函数和网络搜索策略构建的基因调控网络结果,确定最终的网络结构学习参数。通过贝叶斯网络结构学习参数的分析比较,本文选择基于BDe评分的贪婪爬山算法搜索策略对大脑皮层13个高度相关基因构建基因调控网络模型并对网络进行评分,得出评分最高的大脑皮层基因调控网络模型。
　　 ⑶对基因调控网络进行结构和功能分析。基因调控网络作为一个生物学复杂网络,不仅具有网络的结构特征,还具有生物学特征。本文利用局部依赖模型(DDN)分析比较大脑皮层不同样本集下基因调控网络结构特征,利用基因转录的时空特异性,确定差异局部网络结构中的基因“热点”。本文还利用已知的数据库(如DAVID,NCBI等)对大脑皮层基因调控网络中的转录调控关系进行功能性分析,确定基因调控网络的生物学意义。

目录

文摘

英文文摘

第一章 绪论

1.1 研究背景

1.1.1 基因调控网络的产生和发展

1.1.2 基因调控网络的概念

1.1.3 基因调控网络的生物学过程

1.1.4 基因调控网络的研究意义

1.2 研究现状

1.2.1 基因调控网络的数据分析

1.2.2 基因调控网络的数学模型

1.3 研究任务与论文内容安排

第二章 大脑皮层基因表达数据分析

2.1 基因表达数据分析概述

2.1.1 基因芯片数据预处理

2.1.2 基因表达数据聚类分析

2.2 基因表达数据分析平台-R平台

2.3 基因表达数据的分析方法

2.3.1 基因芯片数据预处理方法

2.3.2 基因表达数据的聚类分析方法

2.4 大脑皮层基因表达数据分析

2.4.1 实验数据来源

2.4.2 基因表达数据的预处理

2.4.3 大脑皮层基因表达数据的Q型聚类分析

2.4.4 大脑皮层基因表达数据的R型聚类分析

2.5 本章小结

第三章 基于贝叶斯网络的基因表达调控网络的构建

3.1 贝叶斯网络概述

3.2 贝叶斯网络结构学习的原理

3.3 贝叶斯网络结构学习的方法

3.3.1 评分函数的定义

3.3.2 贝叶斯网络结构搜索策略

3.4 基于大脑皮层表达数据构建基因调控网络

3.4.1 基因筛选

3.4.2 基因调控网络的构建

3.4.3 基因调控网络的分析

3.5 本章小结

第四章 基因表达调控网络结构与功能分析.

4.1 基因调控网络的一般特征

4.2 大脑皮层基因调控网络分析

4.2.1 基因调控网络拓扑结构分析

4.2.2 基因功能注释与分析

4.3 本章小结

第五章 总结与展望

5.1 论文工作总结

5.2 未来展望

参考文献

致谢

作者简介