基于改进关联规则和遗传算法的基因表达调控网络构建方法

摘要

基因调控网络的研究是后基因组信息学研究的主要课题之一，运用生物信息学的方法和技术，通过数据采集、分析、建模、模拟和推断等手段研究复杂的网络关系，在基因组层次上揭示生命活动的机理，也是当前生命科学的前沿。基因网络研究的目的是通过建立基因转录调控网络模型对某一个物种或组织中的全部基因的表达关系进行整体的模拟、分析和研究，在系统的框架下认识生命现象，特别是信息流动的规律。
　　本文针对基因表达调控网络的构建问题，首先改进关联规则算法，增加频繁集筛选条件以减少项的数目，采用事务压缩以减少事务集个数，采取存储技术以提高扫描速度。设计了遗传算法中的初始群体产生、编译码方法、适应度函数和遗传操作，并引入选优算子以提高遗传算法的搜索效率。接着，将改进的关联规则算法和遗传算法相结合，形成了一种新的基因表达调控网络构建方法──关联遗传算法（Association Rules and Genetic Algorithm，ARGA）。最后，用酵母基因表达数据进行仿真试验，发现了许多具有重要生物意义的关联规则，以此构建出了基因表达调控网络，并作了生物意义解释。该方法继承了关联规则和遗传算法各自的优点，能够搜索到丰富的表达模式和最优的关联规则，而且避免了聚类算法中一个基因只能分到某一类的缺陷。理论分析和仿真实验均证实了新方法的可行性、有效性以及实际应用价值。