基于隨機矩陣理論的層次聚類方法在基因網(wǎng)絡研究中的應用.pdf_第1頁
已閱讀1頁,還剩75頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著生物信息學和計算機技術的發(fā)展,人類基因組草圖的公布標志著生命科學的研究已進入后基因組時代,科學家們把研究的焦點轉向了功能基因組學,即對基因及其表達產(chǎn)物的功能進行研究。生物體系具有模塊性,生物體系的整體功能特性通過分立模塊的功能特性共同體現(xiàn)。建立起具有模塊性的生物網(wǎng)絡能夠更全面地表達生物體系的功能特性。識別生物體系的功能模塊成為后基因組時代對生物學家的又一大挑戰(zhàn)。
  基因芯片技術具有平行性和高通量的特點,已成為大規(guī)模提取和探索

2、生物分子信息的強有力手段。如何從基因芯片數(shù)據(jù)中識別功能模塊,并從功能模塊的角度構建子網(wǎng)絡,進而構建由子網(wǎng)絡構成的基因網(wǎng)絡,更全面地表達生物體系的結構和功能,成為生物學家們研究的熱點,同時也是研究的難點。
  本文將隨機矩陣理論(RMT)與層次聚類方法相結合分析基因芯片表達數(shù)據(jù)的模塊性,針對不同的基因組構建相應的功能模塊,主要包括以下幾個方面的內容:
  1.將RMT與層次聚類方法相結合研究釀酒酵母基因網(wǎng)絡的模塊性,應用K最近

3、鄰(KNN)方法處理基因表達數(shù)據(jù)中的缺失數(shù)據(jù),使用均方根誤差(NRMSE)方法來確定最近鄰間隔分布(NNSDs)的轉變閾值。研究表明,基于RMT的層次聚類方法識別基因網(wǎng)絡的功能模塊具有普適性,能有效地將釀酒酵母基因網(wǎng)絡中本質的、非隨機的屬性同隨機噪聲分離,客觀地確定閾值、識別出網(wǎng)絡的功能模塊。確定NNSDs的轉變閾值qc=0.74;使用層次聚類方法對特征表達的基因進行聚類分析,發(fā)現(xiàn)CLN2、CLB2等功能模塊對細胞周期調控起關鍵作用,依

4、據(jù)已知基因的功能準確地預測未知基因YLR190W,YCR016W等的功能,補充了未知基因的功能注釋。
  2.應用RMT與層次聚類相結合的方法研究彌散性大B細胞淋巴瘤(DLBCL)基因網(wǎng)絡的模塊性,應用局域最小二乘(LLS)方法處理基因表達數(shù)據(jù)中的缺失數(shù)據(jù),使用NRMSE比值的方法來確定NNSDs的轉變閾值。發(fā)現(xiàn),基于RMT的層次聚類方法能夠有效地去除DLBCL基因網(wǎng)絡中的隨機噪聲,得到過渡區(qū)間為[0.71,0.84]。在轉變點q

5、c=0.71處,通過基因表達譜分析DLBCL的分子異質性,并將DLBCL分為兩個亞型:GCB和ABC亞型。在轉變完成點qm=0.84處,識別出DLBCL基因網(wǎng)絡的功能模塊。通過對比Lymph node團簇和MHC團簇的拓撲結構和分枝樹的差別,發(fā)現(xiàn)基于RMT的層次聚類方法不僅能夠根據(jù)基因之間的強關聯(lián)相互作用體現(xiàn)基因網(wǎng)絡的模塊性和模塊的分立性,還能夠根據(jù)不同模塊之間的弱關聯(lián)相互作用體現(xiàn)基因網(wǎng)絡的等級性。
  3.應用復雜網(wǎng)絡理論研究D

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論