基于关键节点子团的乳腺癌候选疾病模块挖掘算法

摘要

为解决乳腺癌疾病模块挖掘方法中基因表达谱样本数量少、数据不完整、存在噪声和偏差的问题,提出了一种基于关键节点子团和局部适应度的候选疾病模块挖掘算法——KNGLF算法.该算法首先将候选基因与致病基因间的重叠相似性得分和功能相似性得分进行融合,通过比较融合得分与阈值,筛选出关键节点,并构建关键节点子团;然后,基于局部适应度及不同节点对应的不同判定标准,扩展挖掘候选疾病模块;最后,根据富集分析结果确定候选疾病基因模块.实验结果表明,与现有其他乳腺癌模块挖掘算法相比,KNGLF中关键节点选择算法所得平均排名较小,曲线下面积较大.KNGLF算法挖掘出15个具有较显著生物意义的乳腺癌候选疾病模块.此外,KNGLF算法还可扩展至其他疾病候选模块.