基于多层网络模块性的复杂疾病相关模式研究

基于多层网络模块性的复杂疾病相关模式研究

ID:42869774

大小:3.77 MB

页数:81页

时间:2019-09-20

基于多层网络模块性的复杂疾病相关模式研究_第1页
基于多层网络模块性的复杂疾病相关模式研究_第2页
基于多层网络模块性的复杂疾病相关模式研究_第3页
基于多层网络模块性的复杂疾病相关模式研究_第4页
基于多层网络模块性的复杂疾病相关模式研究_第5页
资源描述:

《基于多层网络模块性的复杂疾病相关模式研究》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、硕士学位论文基于多层网络模块性的复杂疾病相关模式研究作者姓名姚顺宇学校导师姓名、职称鱼亮副教授企业导师姓名、职称齐达巍高工申请学位类别工程硕士学校代码10701学号1503121827分类号TP30密级公开西安电子科技大学硕士学位论文基于多层网络模块性的复杂疾病相关模式研宄作者姓名:姚顺宇领域:计算机技术学位类别:工程硕士学校导师姓名、职称:鱼壳副教技企业导师姓名、职称:齐达巍高工学院:计算机学院提交日期:2018年4月

2、ResearchOncomplexdiseaserelatedpatternsanalysisbasedonmulti-layernetworkmodularityAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerTechnologyByYaoShunyuSupervisor:YuLiangTitle:AssociateProfessorSupervisor:Q

3、iDaweiTitle:SeniorEngineerApril2018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宄成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外?也不包含,论文中不包含其他人己经发表或撰写过的研究成果,为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同事对本研宄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6一学位论文

4、若有不实之处,本人承担切法律责任。'u本人签名:日期:ijo(L6^西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研宄生在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、的复印件,允许查阅借阅论文;学校可以公布论文的全部或部分内容,允许采用影。印、缩印或其它复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本人签名:Jp%导师

5、签名:_/f曰期:日期:、Lit摘要摘要复杂疾病的致病机理并不是无规律可寻,看似不同的两种疾病可能具有相同的症状或者相似的致病基因。通过对复杂疾病间相关模式的研究,可以深入理解疾病的致病机理,并且这些模式也可以为药物重定位提供重要依据。传统对复杂疾病相关模式的研究多集中于单一方面,如仅从蛋白质-蛋白质相互作用(protein-proteininteraction)网络的角度考虑两种疾病之间的相关关系。然而,疾病的其它特征如疾病的症状、基因的功能等也是衡量两种疾病之间关系的重要特征。疾病的症状

6、可以从外在特征反映生物体内部的活动机制,通过不同疾病相似的症状往往可以发现一些有趣的“合并症”。另外,生物体内复杂的活动由不同功能的基因共同协作完成,因此从基因功能方面理解复杂疾病同样具有重要意义。本文主要从多种不同的角度理解复杂疾病之间的相关模式,通过构建多层疾病相似性网络来识别疾病相似性模块,最终通过分析发现使用本文框架得到的疾病相似性模块具有很强的显著性,并且这一结果可以应用到药物重定位中。首先,本文构建了基于不同数据集的四层疾病相似性网络,分别是基于蛋白质-蛋白质相互作用数据的疾病相似性网络PIDN(PP

7、I-basedDisease-diseaseSimilarityNetwork)、基于症状数据的疾病相似性网络DSDN(DiseaseSymptombasedDisease-diseaseSimilarityNetwork)、基于基因本体GO(GeneOntology)数据的疾病相似性网络GODN(GO-basedDisease-diseaseSimilarityNetwork)以及基于疾病本体DO(DiseaseOntology)数据的疾病相似性网络DODN(DO-basedDisease-diseaseSim

8、ilarityNetwork)。其次,使用基于张量的多层网络算法识别出9个具有强相关关系的疾病模块。对9个疾病模块进行模块分类发现它们分属于不同的疾病分类。通过显著性分析验证这些模块具有很强的显著性。通过与单层网络识别的疾病相似性模块比较,发现本文得到的结果具有更高的准确性。最后,通过京都基因组百科全书KEGG(KyotoEncyclopediaofGenesandGen

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。