基于異質(zhì)網(wǎng)絡排序候選疾病基因的算法研究.pdf

1、當前系統(tǒng)生物學的一個重要且新興的話題是闡述清楚人類遺傳疾病與致病基因的關(guān)系。隨著高通量技術(shù)的應用和發(fā)展，產(chǎn)生了海量的基因和蛋白質(zhì)相互作用數(shù)據(jù)。采用信息技術(shù)方法，從這些海量數(shù)據(jù)里提取和分析出有用的數(shù)據(jù)，對預測疾病基因和破譯人類遺傳疾病的基因基礎和分子基礎具有很大的價值，同時，對整個基因組學領(lǐng)域的研究都具有重要的理論和現(xiàn)實意義。
　　有研究表明，導致同一疾病或相似疾病的基因在基因網(wǎng)絡中傾向于相互作用，有研究者將這種現(xiàn)象定義為人類遺傳疾

2、病的模塊特性。而蛋白質(zhì)是由基因編碼而成，因此可將蛋白質(zhì)相互作用網(wǎng)絡映射至基因網(wǎng)絡中?；谶@一特性，目前有許多方法，基于蛋白質(zhì)相互作用網(wǎng)絡、表型相似網(wǎng)絡和基因-表型網(wǎng)絡所構(gòu)建的異質(zhì)網(wǎng)絡，來進行疾病基因的預測，但是都存在一些局限。
　　目前，較好的基于異質(zhì)網(wǎng)絡的方法主要是基于隨機游走的算法RWRH，該算法基于圖論思想，將已知疾病基因做為種子節(jié)點隨機游走，到達穩(wěn)定狀態(tài)后對候選疾病基因打分排序。然而，由于蛋白質(zhì)相互作用數(shù)據(jù)的假陰性和假陽性

3、，導致該算法存在較大局限。而本文認為，由于在生物數(shù)據(jù)資源中，大量的數(shù)據(jù)庫通過文本描述了基因參與的生物過程或分子功能等，而這些文本構(gòu)成了基因的語義信息。如果候選基因與疾病基因在語義上具有很大的相似性，那就可以通過考慮語義相似性數(shù)據(jù)來彌補蛋白網(wǎng)絡中數(shù)據(jù)的不完整和噪聲。研究表明，GO注釋信息是一種非常有效的語義資源被用來進行致病基因的預測。所以，基于兩種數(shù)據(jù)資源：蛋白質(zhì)互作數(shù)據(jù)和GO注釋信息，本文提出了一個新的方法RWRH-GO來預測基因與表

4、型之間的關(guān)系，將GO語義相似性數(shù)據(jù)來優(yōu)化PPI網(wǎng)絡數(shù)據(jù)。通過比較我們的方法和其它方法，結(jié)果顯示該算法的預測效果具有較大提升。
　　此外，目前有一些針對RWRH算法進行改進的方法，包括上文提出的RWRH-GO算法，一般都是通過結(jié)合語義相似性、基因序列相似性、表達相似性、生物通路相似性等生物數(shù)據(jù)來對蛋白質(zhì)相互作用網(wǎng)絡進行優(yōu)化，均取得了不錯的效果，但較少有研究PPI網(wǎng)絡本身存在的拓撲缺陷。為了更加深入的了解和研究基于異質(zhì)網(wǎng)絡的算法的優(yōu)勢

5、與不足，本文采用一種統(tǒng)計調(diào)節(jié)方法，來對RWRH算法的排序結(jié)果進行后期修正，我們將其稱之為RWRHD算法。實驗結(jié)果表明，預測效果具有較大改善。
　　綜上所述，本文提出的RWRH-GO和RWRHD算法，都在于探索和討論基于異質(zhì)網(wǎng)絡的RWRH算法存在的不足。這兩種算法分別代表了兩類方法，一類是結(jié)合其他比如GO語義相似性數(shù)據(jù)等生物學數(shù)據(jù)對PPI網(wǎng)絡數(shù)據(jù)進行優(yōu)化，從而增加整個異質(zhì)網(wǎng)絡的可靠性；另一類是本文所關(guān)注異質(zhì)網(wǎng)絡在用于預測致病基因時本