基于多源数据融合变结构dbn模型基因调控网络的构建

《基于多源数据融合变结构dbn模型基因调控网络的构建》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文摘要随着生物学的发展，对基因调控网络构建的研究成为近期生物信息学的研究热点之一。用计算科学的方法对高通量实验数据进行分析，并利用一定的数学模型推测基因调控网络的结构，具有成本低、准确度高的特点。其结果可以为相关的研究人员提供有效的指导和参考，为进一步的实验和研究指明方向。本文以基因表达数据和相关的蛋白质相互作用数据作为主要研究对象，以构建基因调控网络为主要研究目的，对基因表达数据的动态平稳性分析及利用多源融合策略进行调控网络构建等问题进行了较深入的研究。为了在改善网络构建结果的同时更多的挖掘基因表达数据的时序信息，提出了基于变结构动态贝叶斯网络和多源数据融合的调控网络构建算法。实验

2、证明，该算法不仅可以有效地改善构建结果，还可以挖掘出调控关系的时序特征。本文的创新和主要贡献如下：(1)提出了基于平稳性度量的平稳区问识别算法。提出了基冈表达数据的平稳度测量函数，并利用假设检验的相关原理设计了平稳区间识别算法。针对每个平稳区间内基因的个数和样本个数均发生变化这一问题提出了数据质量这一评价标准。(2)提出了基于变结DBN模型与多源数据融合的调控网络构建算法。在识别出平稳区间的基础上，利用变结构DBN模犁构建基凶调控网络，针对区间内数据质量下降的问题，引入多源数据融合策略，提出了基于变结构DBN和多源数据融合的调控网络构建算法，利用基于多源数据融合的DBN学习算法来学习区

3、间内的子网络。再利用变结构动态贝叶斯网络整合算法构建出整个基因调控网络。该算法不仅可以改善构建结果，还可以挖掘出调控关系的时序特征。(3)开发了基因调控网络构建平台。基于本文提出的构建方案，设计实现了一个基因调控网络构建系统GRNConstructor。利用该系统对本文提出的算法进行了验证和分析，为今后进一步的工作奠定了良好的基础。关键词：基因调控网络动态贝叶斯网络变结构DBN多源数据融合ABSTRACTWiththedevelopmentofbiology．inferringgeneregulatorynetworkisbecomingarecentresearchfocus．Usi

4、ngthemathematicalmodeltoinferthegeneregulatorynetworkwiththeanalysisofhigh-throughputexperimentaldatacallgetthehighaccuracyresultwithlowcost．andresearcherscanusetheresult舔aeffectiveguidancetoimprovethefutureexperiments．Themainpurposeofthispaperistoinfergeneregulatorynetwork．Theresearchinthispape

5、rfocusonthedynamicstabilityanalysisofgeneexpressiondataandinferringgeneregulatorynetworkwhihdynamicbayesiannetworkandmulti。sourcefusion．Anewgeneregulatorynetworkconstructionalgorithmbasedonstructurevarieddynamicbayesiannetworkandmulti-sourcefusionispresentedinthispaper．Themaininnovationsofthispa

6、perareasfollows：(1)Recognizethestableintervalofgeneexpressiondata．Designanstableintervalrecognitionalgonhmbasedonstabilitymeasurementan．dhypothesistestingtheory．Presentthecriteriatoevaluatethedataqualityofeachstableinterval．(2)Constructthegeneregulatorynetworkbasedonthestructurevarieddynamicbaye

7、siannetworkandmulti．sourcefusion．Usethemulti-sourcefusiondynamicbayesiannetworktobuildlocalnetworkineachstableintervals．Usethestructurevarieddynamicbayesiannetworkmethodtomergeallthelocalnetworktogether．Sometimeseriesinforma