基于蛋白质互作网络和转录共表达的疾病基因排序方法研究

摘要

本文以人类癌症样本为例，致力于整合蛋白质互作网络和芯片表达数据进行基因排序方法的研究。首先我们比较了使用疾病特异性与非特异性的基因表达数据在疾病基因排序中的效果，结果显示前者的其效果要更好。接着我们使用了三种不同的蛋白质互作网络的效果，并通过整合了多次实验构建出癌症共表达网络，分析了各种网络在疾病基因排序应用中的优劣。最后，我们提出了基于整合基因表达芯片中共表达、差异化表达信息以及蛋白质互作网络进行基因排序的新方法 GroupRank。由于目前的整合差异化表达信息和蛋白质互作网络的排序算法都是基于单个差异化表达基因评分再累加进行比较，通过网络扩散，与疾病不相关的基因也可能会被赋予较高分数。针对这一缺陷，我们提出了基于共表达簇的排序方法-GroupRank。GroupRank中，候选基因只有和共表达簇内所有基因都相关才会被认为是可能的致病基因。根据癌症基因排序验证结果，GroupRank比基于单个差异化表达基因评分的排序算法要更有效。而且通过对在GroupRank中贡献较高的共表达基因簇进行功能富集分析，可能的致病机理我们发现这些共表达簇确实与相应的癌症有很大关联。显然这一基于基因簇的方法也可以帮助我们更好地了解疾病发展中的重要生理、病理过程。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1疾病与致病基因

1.2基因芯片技术

1.3基因排序方法

1.4论文研究内容

1.5本章总结

第二章 利用疾病特异性与非特异性表达谱的基因排序比较

2.1材料与方法

2.2结果与讨论

2.3本章总结

第三章 不同蛋白质互作网络在疾病基因排序中效果评估

3.1材料与方法

3.2结果与讨论

3.3本章总结

第四章 基于基因共表达信息的排序算法研究

4.1材料与方法

4.2结果与讨论

4.3本章小结

第五章 基于生物网络与共表达簇的基因排序（GroupRank）

5.1研究方法和材料

5.2结果和讨论

5.3本章总结

第六章 结论与展望

6.1主要结论

6.2未来展望

参考文献

附录

致谢

攻读硕士学位期间已发表或录用的论文