基于复杂网络结构可控性的致病基因识别方法之计算机研究

本文是一篇计算机论文，本文中基于复杂网络的结构可控性模型，分析和研究了控制层面的多种网络节点分类方法，形成了系统化的可控性节点分类框架。并将该框架应用于 32 个人体组织特异的调控网络中，将基因分成了 10 种控制角色差异的类型并在 8 种金标准数据集上分析每种类型的基因所具有的生物意义，最终找出了一类新的具有显著生物意义的基因类型。同时进一步研究了该类基因与疾病的关系。

1 绪论

1.1  研究背景及意义
基因是决定生命健康的内在因素并具有重要的生物意义。如必需基因[1]，是细胞生命活动不可缺少的基因，一旦缺少会影响生命健康，甚至会导致死亡；又如致病基因[2]，是与疾病发生、发展、诊疗相关的基因，当这类基因发生突变时，生物更容易患上某种疾病。不论是必需基因还是致病基因都对生物的生命活动产生重要的影响，因此对这些基因的研究对于疾病的预防和药物靶标的设计具有重要的意义。
对这些有生物意义的基因的鉴定有两种方法。第一种方法是实验技术，如基因敲除技术[3]，通过使特定基因的功能丧失作用，观察生物体的生命活动是否出现异常，进而推测出该基因的生物功能。实验技术昂贵且耗时，而且并不适用于所有生物体。第二种方法是生物信息学计算方法，通过基于生物网络的计算方法来分析基因的重要性。与实验技术相比，计算方法更高效，也更便宜。随着高通量技术的发展，可以很容易获得大量的基因交互数据和表达数据，从而构建各类生物网络。因此，如何从生物网络中识别这些基因成为了研究的热点
3.1  相关生物数据 ................................... 20
3.1.1  组织特异调控网络 .............................. 20
3.1.2  蛋白质相互作用网络 ...................................... 23
4  致病基因识别在疾病关系分析中的应用 ........................... 35
4.1  实验数据的人工标注 ....................................... 35
4.2  疾病特异基因的识别 ............................ 37
5  总结和展望 ..................... 43
5.1  总结 ................................... 43
5.2  展望 .................................... 43

4 致病基因识别在疾病关系分析中的应用

4.1  实验数据的人工标记
现有的人体组织网络有 32 个，疾病模块有 299 个，每个疾病模块包含一组基因。通过考虑疾病与某一组织相关，将疾病划分到组织上。本文根据 NCBI 网站的 MESH 数据库中的树形结构（tree  structure）来确定疾病所属组织。MESH 数据库提供相关参照帮助检索者从一个主题词去参考其他有关的主题词，并且将这些主题词按照词义范围不同划分层次关系。以阿尔兹海默症（Alzheimer Disease）为例，在 MESH 数据库中输入该疾病的英文名，得到其树形结构，如图 4-1 所示。

从图 4-1 中可以看出，阿尔兹海默症的直接上位词是痴呆（Dementia），但痴呆不是人体组织。痴呆的上位词为脑部疾病(Brain Diseases)，因此将阿尔兹海默症划分为脑部疾病。对每种疾病在 MESH 数据库中进行搜索，最终将 109 种疾病与 22 个组织关联起来。在 32 个组织中，有 22 个组织上有相关的疾病数据，剩下 10 个组织没有对应的疾病。造成这种结果的原因之一是本身组织网络数据并不囊括所有的人体组织，所以有些疾病不属于这 32 个组织中的任何一个；二是疾病数据数量有限，而且原始数据中有些是重复的数据。
......................

5 总结和展望

5.1  总结