基于共表达网络的乳腺癌生物标记识别研究

《基于共表达网络的乳腺癌生物标记识别研究》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、基于分类号：TP391单位代码：10183共表达研究生学号：2015532089密级：公开网络的乳腺癌生物识别研究吉林大学硕士学位论文（学术论文）基于共表达网络的乳腺癌生物标记识别研究王羚薇ResearchonIdentificationofBiomarkersforBreastCancerBasedonCoexpressedNetwork作者姓名：王羚薇专业：计算机应用技术研究方向：计算智能与生物信息学指导教师：刘桂霞教授吉林大学培养单位：计算机科学与技术学院2018年4月基于共表达网络的乳腺癌生物标记识别研究ResearchonIdentificationofB

2、iomarkersforBreastCancerBasedonCoexpressedNetwork作者姓名：王羚薇专业名称：计算机应用技术指导教师：刘桂霞教授学位类别：工学硕士答辩日期：年月日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外

3、，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：2018年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊（光盘版）电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益

4、。论文级别：■硕士□博士学科专业：计算机应用技术论文题目：基于共表达网络的乳腺癌生物标记识别研究作者签名：指导教师签名：2018年月日作者联系地址（邮编）：吉林省长春市前进大街2699号（130012）作者联系电话：13756545875摘要摘要基于共表达网络的乳腺癌生物标记识别研究癌症严重危害着人类健康，在世界范围内，乳腺癌是第二大癌症，自上世纪70年代末以来，全球乳腺癌发病率一直在上升，严重威胁着妇女的健康。目前，虽然在乳腺癌治疗和药物研究方面取得了一些成绩，但由于对这种复杂疾病的发病机制缺乏了解，目前还没有十分有效的治疗方法。近年来，随着免疫学，分子生物学和基

5、因组学技术的发展，鉴定有价值的生物标记已成为当前研究的热点。在过去的20年中，全球基因表达谱已经成为复杂疾病研究的常用工具之一。例如，基因Pokemon通过调节Akt和ERK介导的细胞信号通路，加速肝细胞癌的发生与发展，异丙酚通过激活PI3K信号通路可以抑制癌细胞的转移。与基因差异表达分析相比，差异相关和差异共表达分析会对基因的变化有更深刻的认识。因此我们不应该仅仅考虑单个基因表达值的改变，应该从网络的角度，找到调控生命活动的关键基因。本文对乳腺癌的生物标记识别展开了研究，其主要成果和创新点总结如下：现有的生物标记识别方法有如下的一些缺陷，如基因表达数据的获取还依靠

6、人工整理的方式，仅仅从基因表达值水平确定出差异基因，忽略了基因之间的调控作用，用WGCNA构建共表达网络之前对基因没有过滤过程，影响实验结果等问题。基于以上发现的问题，本文在识别乳腺癌生物标记时，提出了一个新的实验框架，将SAM算法和WGCNA算法进行了有效的融合。首先使用SAM算法筛选差异基因，并对筛选后的差异基因计算基因对之间的相关系数，利用差异网络的特性，筛选出在不同的实验条件下基因对之间的相互作用关系变化较大的基因，再将这些基因用WGCNA构建加权的基因共表达网络，从网络的层面对数据进行分析，将网络通过动态层次聚类，划分模块，再对每个模块进行生物分析，从而找

7、到有生物意义的乳腺癌生物标记，最终我们得到20个基因组成的生物标记。本文所提出的实验框架不仅考虑了生物数据量大且噪声多的I摘要特点，也解决了WGCNA算法对输入数据的数量的要求，既减少了计算机内存的负担，节省了时间，又提高了构建模块的准确性和生物标记识别的精准性。针对于本文最终得到的乳腺癌生物标记，从生物学意义和分类器模型两个方面对其进行验证，结果显示这20个基因有良好的生物学意义，用这20个基因作为特征，在区分正常样本和患病样本时，准确率均高于已知的生物标记，这表明本文识别的生物标记是可靠的，同时该结果表明本文提出的基于共表达网络的乳腺癌生物标记算法是一种有效