面向疾病分类的人类互作网络拓扑模块的功能同质性分析

摘要

单个蛋白质分子对机体活动并不能发挥其作用，一般都是通过与其它的蛋白质分子进行相互作用共同去实现它们的功能。在后基因时代，随着大规模的蛋白相互作用和疾病基因关联数据的获得，使得我们可以从分子层面去发现人类疾病的致病机理。近年来，网络医学的快速发展为我们提供了一种方法去理解和分析人类蛋白相互作用网络的结构模式如拓扑模块所体现的实际功能和疾病涵义。在网络医学中，拓扑和功能的相互交互规律如拓扑的功能同质性是进行疾病和药物机理研究如确认未知致病基因、蛋白复合体的功能和药物靶点发现等的关键，而该研究有待进一步探索。
　　目前有相关研究表明疾病模块确实存在于人类蛋白相互作用网络中，所以基于这个结论我们通过医学主题词表(Medical Subject Headings，缩写为MeSH)的疾病分类，将疾病分类数据同人类蛋白相互作用网络中的蛋白模块相结合进行分析，进一步探寻疾病分类的功能模块。本文我们使用基于优化模块度的模块划分方法对人类蛋白相互作用网络进行模块划分，获得314个拓扑模块，并采用基因本体富集分析方法，获得各拓扑模块的功能特点数据。以医学主题词表疾病术语分类和疾病基因关系，建立各疾病关联的拓扑模块。通过比较分析发现，与没有疾病相关的拓扑模块相比，与疾病有显著相关的拓扑模块在生物过程、细胞组分、分子功能等方面具有显著差异，从而为疾病的分子网络研究提供了重要启示。另一方面，分析了疾病分类的拓扑模块的功能特性，并对特定疾病类别如癌症的拓扑模块功能特性进行分析，发现其具有生物过程、细胞组分、分子功能等的重要生物学提示。
　　为进一步分析人类疾病分类与人类互作网络的拓扑模块的功能同质性，我们分别度量了模块的平均度、模块密度、平均最短距离、接近中心性和介数中心性几个拓扑属性，并且根据这几个属性的分布情况，我们可以得到模块的拓扑多样性，并结合模块的功能同质性进行相应的比较，发现拓扑模块的生物功能存在多样性。

目录

声明

致谢

摘要

1 引言

1．1 国内外研究现状

1．2 问题的提出及研究意义

1．3 论文结构和章节安排

1．4 本章小结

2 社区发现及网络医学相关研究

2．1 社区发现研究现状

2．1．1 社区发现定义

2．1．2 社区发现算法总结

2．1．3 医学网络中常用的社区发现方法

2．2 基于模块度的社区发现常用算法

2．2．1 模块度的定义

2．2．2 模块度优化算法

2．3 医学网络相关研究

2．3．1 人类疾病网络

2．3．2 GO富集分析

2．3．3 网络拓扑特性

2．4 本章小结

3 疾病分类相关拓扑模块的功能同质性分析

3．1 数据来源及其整理

3．1．1 疾病与基因之间的关系

3．1．2 基因与基因之间的关系

3．1．3 基于人类互作网络的BGLL社区划分

3．1．4 拓扑模块的GO富集分析

3．2 有病／无病分类与人类互作网络拓扑模块的同质性分析

3．2．1 有病／无病分类与人类互作网络拓扑模块关系的建立

3．2．2 高致病拓扑模块的GO富集分析

3．2．3 低致病拓扑模块的GO富集分析

3．2．4 较高与较低致病拓扑模块的功能比较

3．3 疾病分类的功能同质性分析

3．3．1 疾病分类的GO富集分析

3．3．2 高致病拓扑模块与疾病分类的关系

3．4 本章小结

4 基于介数中心性的拓扑模块功能同质性分析

4．1 介数中心性

4．1．1 介数中心性的定义

4．1．2 有效计算介数中心数的研究简介

4．1．3 介数中心性应用于人类互作网络

4．2 介数中心性的实验结果分析

4．2．1 拓扑模块的介数中心性的值分布

4．2．2 介数中心性特殊值模块的分析

4．2．3 介数中心性特殊值与疾病分类的关系

4．3 其他拓扑性质的功能同质性分析

4．4 本章小结

5 总结与展望

参考文献

作者简历及攻读硕士／博士学位期间取得的研究成果

学位论文数据集