

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、數(shù)以萬(wàn)計(jì)的生物體活細(xì)胞中的基因在正常情況下會(huì)沿著對(duì)應(yīng)的固定模式進(jìn)行基因表達(dá),但是細(xì)胞進(jìn)入疾病狀態(tài)時(shí),基因發(fā)生突變,基因的表達(dá)模式出現(xiàn)異常化,這就是所謂的基因差異表達(dá)。探索腫瘤細(xì)胞中的差異表達(dá)基因可以獲得基因中蘊(yùn)含的豐富的信息?;蛐酒夹g(shù)被廣泛應(yīng)用到生物醫(yī)學(xué)研究領(lǐng)域,它可以同時(shí)獲得成千上萬(wàn)的基因在不同情況不同狀態(tài)下的基因表達(dá)譜,該基因表達(dá)譜數(shù)據(jù)中蘊(yùn)含著豐富的基因活動(dòng)信息。
目前臨床上治療腫瘤的有效手段之一就是放射治療,例如大約
2、有70%的癌癥病人在癌癥治療的過(guò)程中需要使用放射治療,其中大約有40%的癌癥可以用放療根治。大量研究發(fā)現(xiàn),腫瘤患者對(duì)放療的反應(yīng)情況主要是取決于患者個(gè)體固有的放射敏感性,腫瘤本身固有的放射敏感性與輻射誘導(dǎo)的基因表達(dá)和基因調(diào)控有關(guān)系。所以,找到的腫瘤放療敏感基因可以確定哪些病人適合放療和所應(yīng)用的放射的劑量,從而大大提高腫瘤放射治療的效果。腫瘤基因表達(dá)譜數(shù)據(jù)具有高維度和小樣本的特點(diǎn)。識(shí)別放療敏感基因,不僅可以挖掘潛在的基因信息,而且有助于我們
3、了解癌癥等疾病的發(fā)病發(fā)展機(jī)制,也能在臨床上提高腫瘤放療療效。
本論文側(cè)重于識(shí)別放療敏感基因的計(jì)算方法,主要工作體現(xiàn)在如下幾個(gè)方面:
首先,我們開(kāi)發(fā)了兩個(gè)基于約束回歸的方法,非負(fù)最小二乘法(NNLS)、彈性網(wǎng)法(Elastic Net),兩個(gè)基于網(wǎng)絡(luò)的方法,KEGGSDRW、PPISDRW方法,來(lái)識(shí)別腫瘤放療敏感基因??紤]到基因表達(dá)的非負(fù)性,通過(guò)NNLS得到的非負(fù)最小二乘解比普通最小二乘的解更有意義。Elastic N
4、et是近來(lái)發(fā)展起來(lái)的一種回歸方法,Elastic Net的懲罰項(xiàng)同時(shí)包含L1懲罰項(xiàng)和L2懲罰項(xiàng),既能實(shí)現(xiàn)變量壓縮又能處理共線性的參數(shù)估計(jì)問(wèn)題?;谙闰?yàn)網(wǎng)絡(luò)信息的KEGGSDRW方法和PPISDRW方法,是結(jié)合定向隨機(jī)游走(DRW)與Spearman相關(guān)系數(shù)來(lái)建立的。DRW遍歷整個(gè)網(wǎng)絡(luò),其可以評(píng)估網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中每個(gè)基因的重要性。第二,在NCI-60基因表達(dá)數(shù)據(jù)上,我們應(yīng)用上述方法得到腫瘤放療敏感基因。對(duì)各個(gè)方法分類性能預(yù)測(cè)進(jìn)行研究,結(jié)果表
5、明Elastic Net、KEGGSDRW和PPISDRW方法識(shí)別的基因的分類性能預(yù)測(cè)較佳。第三,基于超幾何分布進(jìn)行通路富集分析。結(jié)果顯示基于先驗(yàn)網(wǎng)絡(luò)信息的方法在疾病相關(guān)通路富集性方面表現(xiàn)出較大優(yōu)勢(shì),即基于網(wǎng)絡(luò)的方法得到的顯著富集通路大多數(shù)是集中在人類疾病功能模塊。為了進(jìn)一步驗(yàn)證結(jié)果的有效性和可靠性,我們對(duì)上述方法識(shí)別出來(lái)的腫瘤放療敏感基因進(jìn)行關(guān)聯(lián)富集分析。結(jié)果表明通過(guò)這些方法識(shí)別出來(lái)的腫瘤放療敏感基因的基因相關(guān)性是顯著富集的。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 腫瘤基因表達(dá)譜分類方法研究.pdf
- 基于基因表達(dá)譜的腫瘤分類特征基因選擇研究.pdf
- 腫瘤基因表達(dá)譜數(shù)據(jù)聚類的譜方法研究.pdf
- 基于基因表達(dá)譜數(shù)據(jù)的腫瘤分類研究.pdf
- 基于基因表達(dá)譜的腫瘤基因及其網(wǎng)絡(luò)結(jié)構(gòu)研究.pdf
- 腫瘤基因表達(dá)譜數(shù)據(jù)特征選擇方法研究.pdf
- 基于腫瘤基因表達(dá)譜數(shù)據(jù)的特征提取方法.pdf
- 基于基因表達(dá)譜的腫瘤數(shù)據(jù)分類研究.pdf
- 基因表達(dá)譜的腫瘤特征基因提取研究分析
- 腫瘤基因表達(dá)譜分類的特征基因選擇研究.pdf
- 基于新型特征的基因識(shí)別方法研究.pdf
- 基于HMM和ANN的基因識(shí)別方法.pdf
- 42299.基于基因表達(dá)譜數(shù)據(jù)識(shí)別周期表達(dá)基因
- 基于基因表達(dá)譜的癌癥干細(xì)胞調(diào)控基因的識(shí)別研究.pdf
- 基于腫瘤基因表達(dá)譜數(shù)據(jù)的分類算法研究.pdf
- 基于基因表達(dá)譜的數(shù)據(jù)挖掘方法研究.pdf
- 面向腫瘤亞型識(shí)別的基因表達(dá)譜非負(fù)矩陣分解聚類方法研究.pdf
- 基于SVM和AdaBoost的腫瘤基因表達(dá)譜分類研究.pdf
- 基于維數(shù)約簡(jiǎn)的腫瘤基因表達(dá)譜數(shù)據(jù)研究.pdf
- 基于稀疏性理論的腫瘤基因表達(dá)譜分類.pdf
評(píng)論
0/150
提交評(píng)論