基于矩阵完成的MiRNA与疾病之间关联预测研究

摘要

迄今为止，在动物、植物和病毒中发现了38589个miRNA分子。在转录和翻译水平，通过绑定到目标的3’-UTRs，miRNA抑制着蛋白质产生和基因表达，miRNA影响着各种各样的生物过程，如细胞增殖、分化、细胞凋亡、代谢、老化、信号转导和病毒感染等等。因此，miRNAs的失调，包括表达失调，通常在许多疾病的发生和发展中起重要作用，包括但不限于癌症、心血管疾病和神经退行性疾病。这进一步推动了miRNA与疾病间的关联预测的出现，这是生物信息学领域的积极方向。　　目前，研究人员已提出许多预测疾病相关miRNA的计算方法，这些方法存在很多问题。现有的预测方法可以大致分为三类：(1)基于得分函数的方法，依赖相似性计算；(2)基于复杂网络或图形算法的方法，高假阳性和高复杂度；(3)基于机器学习算法的方法，缺乏负样本训练问题。针对已有方法的分析，本文围绕着疾病相关miRNA的预测方法进行了研究，提出了两种疾病相关的miRNA预测方法，主要工作如下：　　(1)基于归纳矩阵完成方法预测潜在的疾病相关miRNAs。由于miRNAs功能相似性矩阵含有零值，因此该方法利用miRNAs功能相似性矩阵进行高斯相互作用谱核相似性来描述miRNAs之间的关系。其次，该方法通过主成分分析方法分别从miRNAs和疾病中提取各自主要的特征向量。然后，该方法计算了一个新的miRNA与其相邻miRNAs的相互作用谱。最后，该方法利用主要的特征向量和构建的新的miRNAs相互作用谱，并使用加速近似梯度迭代方式进行矩阵完成，从而得到关联矩阵。　　(2)基于贝叶斯概率矩阵完成模型预测疾病相关的MiRNAs。该方法首先利用主成分分析方法分别从miRNAs功能相似度矩阵和疾病间语义相似度矩阵中提取各自的主要特征向量。然后，分别利用贝叶斯概率的方法从上一步得到的miRNAs特征向量组成的矩阵和疾病特征向量组成的矩阵得到各自的因子，分别是miRNA因子和疾病因子。最后用学习得到的miRNA因子和疾病因子来进行矩阵完成miRNA与疾病的关联矩阵。

目录

第1章绪论

1.1 研究背景和意义

1.2 研究现状

1.2.1 基于得分函数的方法

1.2.2 基于复杂网络或图形算法的方法

1.2.3 基于机器学习的方法

1.3 研究难点

1.4 主要研究内容

1.5 论文结构安排

第2章相关理论知识

2.1 引言

2.2 疾病相关 miRNAs 的预测原理

2.2.1 miRNA的生成

2.2.2 miRNA与疾病

2.3 相关数据集概述

2.3.1 疾病与 miRNA关联数据资源

2.3.2 miRNA功能相似性数据资源

2.3.3 疾病语义相似性数据资源

2.3.4 其他数据库

2.4 涉及的相关计算工具和算法

2.4.1 矩阵完成算法

2.4.2 主成分分析

2.4.3 奇异值分解

2.4.4 贝叶斯算法

2.5 预测模型的评价方法

2.5.1 评价指标

2.5.2 交叉验证

2.5.3 案列分析

2.6 小结

第3章基于归纳矩阵完成方法预测潜在的疾病相关 miRNAs

3.1 问题描述

3.2 基于归纳矩阵完成方法预测 miRNA-疾病关联

3.2.1 人类 miRNA与疾病的关联

3.2.2 miRNA功能相似性

3.2.3 疾病语义相似性模型

3.2.4 miRNAs 的高斯相互作用谱核相似性

3.2.5 miRNA和疾病的特征提取

3.2.6 miRNA-疾病关联的矩阵完成方法

3.3 实验及结果分析

3.3.1 数据集及实验环境

3.3.2 实验结果

3.3.3 结果对比

3.3.4 结果验证和分析

3.4 本章小结

第4章 基于贝叶斯概率矩阵完成模型预测疾病相关的miRNAs

4.1 问题描述

4.2 疾病关联的 miRNA的预测模型的设计与实现

4.2.1 数据的收集

4.2.2 MDBPMF预测模型的整体设计

4.2.3 贝叶斯概率矩阵完成

4.3 实验及结果分析

4.3.1 数据集和实验环境

4.3.2 实验结果

4.3.3 扰动测试来评估不同数据源的贡献

4.3.4 案例分析：肺癌

4.4 本章小结

结 论

参考文献

附录 A 攻读学位期间所发表的学术论文

附录 B 攻读学位期间所参加的科研项目

致 谢