基于贝叶斯网络模型的基因调控网络的构建

摘要

现代科技的发展，尤其是生物实验技术和下一代基因测序设施的发展，每天都会产生大量的生物实验数据。为了有效的分析和利用这些数据，需要构建基因调控网络，去挖掘隐藏在数据背后的生物学现象、原因。现在如何更好的实现基因调控网络的构建，已经成了生物信息学的十分热门研究方向之一。在这篇文章中，通过对比用于建立基因调控网络的一般模型，发现贝叶斯网络模型最适用于建立基因调控网络，同时采用了正态分布的思想给数据填充缺失值，并调用R语言中有关包，对比分析爬山、禁忌等算法在构建基因调控网络上的优劣。通过构建基因调控网络，我们可以探索到各个基因之间的相互影响和调控关系。这可以指导我们更加清楚的了解疾病产生的根源，进而能够有效的诊断出是什么疾病，并根据基因表达的水平，设计具有针对性地药物，这对现代医学、药学地发展有着相当重要的促进作用。本文主要研究了如何通过贝叶斯网络模型来模拟、构建真实的基因调控网络，为了提高所构建网络的精确程度，采用了BDE评分函数、贪婪的爬山算法等手段来实现，同时还采用了信息学的互信息等知识来融合多源的生物实验数据。实验证实，该算法有效的提高了所构建网络的精确程度，具有一定的实用意义。

目录

声明

摘要

第一章 绪论

1．1 选题背景及意义

1．2 研究现状

1．3 存在问题

第二章 课题研究的理论基础

2．1 生物学知识介绍

2．1．1 生物信息学

2．1．2 分子生物学

2．2 基因调控网络

2．3 基因调控网络构建模型

2．3．1 布尔网络模型

2．3．2 线性模型

2．3．3 微分方程模型

2．3．4 马尔科夫模型

2．3．5 贝叶斯网络模型

第三章 贝叶斯网络模型的方法研究与设计

3．1 相关基础知识

3．1．1 概率论

3．1．2 图论

3．1．3 信息论

3．2 贝叶斯网络

3．2．1 贝叶斯网络的定义

3．2．2 贝叶斯网络的学习

3．3 贝叶斯网络存在问题

3．4 工具R

第四章 基于R语言构建基因调控网络的实现与分析

4．1 融合多源生物数据

4．1．1 局部学习

4．1．2 全局学习

4．1．3 实验结果的评分方法

4．1．4 实验过程及评价

4．2 基于R语言的基因调控网络构建

4．2．1 数据集来源

4．2．2 实验对比分析

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢