基于链路预测的长非编码rna-疾病关联预测方法

《基于链路预测的长非编码rna-疾病关联预测方法》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、巧姑謂似善圍硕±学位论文胃．禱圍＼１－基于链路预测的长非编碍ＲＮＡ疾病Ｉ关联预测方法作者姓名郑经龙指导教师姓名、职称高巧教授＾串请学位类别工学硕±１％西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加Ｗ标注和致谢：也不包含中所罗列的内容外，论文中不包含其他人已经发表或撰写过的研巧成果一为获得两安电子科技大学或

2、其它教育机构的学位或化书而使用过的材料。与我同工作的同事对本研巧所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一学位论文若有不实么处，本人承担切法律责任。．化日期：知Ａ挺本人签名：＾作么西安电子科技大学关于论文使用授权的说明日本人完全／解西安电子科技大学有关保留和使用学位论文的规定，Ｗ：研巧生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文内容，允许采用影、的复印件，化许查阅借阅论文：学校可抖公布论文的全部或部分印、缩印或其它复

3、制手段保存论文。同时本人保证，结合学位论文研究成果完成的论。文、发明专利等成果，署名单位为西安电子科技大学。后书保密的学位论文在坚适用本授权＿＿年解＿无；：％心导师签名＇本人签名巧＼－＾：ｈ日期ｉ：１声氏＇／／／ｋ日ｎ期学校代码10701学号1303121701分类号TP30密级公开西安电子科技大学硕士学位论文基于链路预测的长非编码RNA-疾病关联预测方法作者姓名：郑经龙一级学科：计算机科学与技术二级学科：计算机应用技术学位类别：工学硕士指导教师姓名、职称：高琳教授学院：

4、计算机学院提交日期：2015年12月MethodforPredictionofLncRNA-DiseaseAssociationsBasedonLinkPredictionAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerApplicationTechnologyByZhengJinglongSupervisor:GaoLinProfessorDecembe

5、r2015摘要摘要越来越多的研究表明，长非编码RNA（longnon-codingRNA，lncRNA）在许多生物过程中具有重要的功能。而这些长非编码RNA的变异或功能失调会导致一些复杂疾病的发生。目前关于长非编码RNA-疾病关联的研究和数据均较为匮乏，因此通过生物信息学方法预测潜在的长非编码RNA-疾病关联关系，是目前该领域研究的热点和趋势，这对于致病机理的探索以及疾病诊断、治疗、预后和预防都具有重要的意义。目前关于长非编码RNA-疾病关联的预测主要有基于计算模型的和基于复杂网络传播的方法。基于计算模型的

6、方法或通过整合基因-疾病关联数据与长非编码RNA表达谱数据并利用超几何分布做富集分析，或引入高斯核函数计算相似性并构造拉普拉斯算子求最优解，这两种方法均存在模型复杂，参数个数多，复杂度高等问题。基于复杂网络传播的方法利用资源分配算法来计算长非编码RNA之间的相似性，再通过网络传播算法将相似性信息传播到整个网络中，这种方法需要计算矩阵的n次方或利用迭代算法做近似，计算复杂度高。局部结构性链路预测具有建模简单、复杂度低、准确性高等优点，并且满足相似疾病趋向由功能相同或相似的长非编码RNA引起的生物学假设，受其启

7、发，本文将链路预测的思想引入到长非编码RNA-疾病关联预测中。但链路预测是基于依赖共同邻居的“三角形闭合”模型，并不能直接用在异质的二部网络上。针对该问题，本文提出了二部图上不同属性集的节点之间“共同邻居”的概念，并在此基础上建立二部图“四边形闭合”模型。利用“四边形闭合”模型改进了9个链路预测相似性指标使其适用于二部网络并将其运用到长非编码RNA-疾病关联预测中。在长非编码RNA-疾病关联二部网络上做留一交叉验证，AUC最高的BPA达到0.9377，比之前方法最高的0.7881提高了近19%。此外，在BP

8、A指标中，有14条边在重构预测所有的19000多条预测边排名中均排名第一，有81条边在重构预测中排名所有预测边的前1%。对神经胶质瘤和肺癌的案例分析也显示了本文算法的强大预测能力。上述结果表明本文方法在长非编码RNA-疾病关联预测上具有很高的准确性，是对现有方法的很好提高和补充。此外，本文提供了一个新的思路去探索长非编码RNA-疾病关联预测问题，即基于局部结构性链路预测的角度，这对于简化问题模型和降低计算复杂度都