基于生物分子網絡分析的疾病基因預測算法.pdf

1、疾病影響著人類的正常工作及生活，復雜疾病，以癌癥為代表，更是嚴重威脅著人類的生命安全。對疾病生物標記的研究有助于揭開潛在疾病的發(fā)病機制，并引導個性化的治療。因此，疾病生物標記的研究受到越來越多的關注，成為了生物信息學研究中一個極其重要的分支。
　　近些年來，隨著高通量測序技術的發(fā)展，各種不同的生物數(shù)據大量涌現(xiàn)，疾病生物標記的研究進入了一個新階段。已知疾病基因，作為已經在臨床上被證實跟疾病相關的基因，可以作為一種先驗知識來指導研究。

2、然而目前的大多數(shù)研究方法，只是把已知疾病基因作為對研究結果的驗證數(shù)據，而沒有作為先驗知識去引導疾病生物標記的識別，本文研究中引入了這一數(shù)據作為先驗知識。另外，大量生物數(shù)據的積累也推動了對各種計算方法的研究。在生物假說“同一疾病的蛋白質互相之間交互多”的基礎上，研究者們通過在網絡模型中計算各基因與已知疾病基因的距離，來預測疾病生物標記。這些距離度量方法包括基于最短路徑、基于隨機游走、擴散核等。擴散核能根據疾病網絡的全局拓撲特性度量節(jié)點之間

3、的距離，具有比較好的效果。本文研究中采用了擴散核（diffusion kernel）思想。
　　本文提出了一種以已知疾病基因集合引導的疾病網絡的構建方法，并從構建的疾病網絡中預測疾病相關基因。本文具體的研究思路如下：
　　首先，從三個公共數(shù)據庫中收集針對某種癌癥的已知疾病基因，對每種癌癥得到一個疾病基因集合。針對本文研究的六種癌癥（肺癌，前列腺癌，乳腺癌，膀胱癌，大腸直腸癌，子宮內膜癌），共獲得了六個基因集合。然后，采用擴散

4、核思想在每一個疾病基因集合基礎上構建一個疾病分子網絡。擴散核在本文中被用來度量基因之間的相似性，旨在找出與已知疾病基因相似性高的基因，用于構建網絡。最后，采用馬爾科夫聚類算法（MCL）在疾病網絡上進行聚類，并設計了一種按聚類模塊為單位的新穎的得分算法對疾病網絡中除已知疾病基因以外的基因打分，從中篩選癌癥相關基因并進行了一系列驗證。另外，為了說明以疾病基因集合為疾病網絡的初始節(jié)點集合的合理性，我們在 PPI的最大連通圖上比較了疾病基因與非