基于人類表型本體的基因和疾病關(guān)聯(lián)關(guān)系分析方法研究.pdf

1、下一代基因測序技術(shù)加快了基因數(shù)據(jù)產(chǎn)生的速度，如此大的數(shù)據(jù)量，使得如今的難題從測序轉(zhuǎn)向如何有效的利用已經(jīng)產(chǎn)生的基因數(shù)據(jù)。表型是指受基因、環(huán)境等影響而在生物體上表現(xiàn)出來的特征，因而表型和基因以及疾病等有著密切的聯(lián)系?，F(xiàn)如今表型學(xué)已經(jīng)是基因和疾病之間的重要紐帶，而對表型的研究已是預(yù)測和發(fā)現(xiàn)致病基因的重要手段。目前在基因、表型和疾病之間的關(guān)聯(lián)方面的研究方法主要有三種。一個是利用現(xiàn)有的生物醫(yī)學(xué)文獻，用文本發(fā)掘等相關(guān)技術(shù)發(fā)掘生物醫(yī)學(xué)實體之間的關(guān)系。

2、另外一種是利用已有的關(guān)系建立起表型、疾病、蛋白質(zhì)、基因等實體間的網(wǎng)絡(luò)，在網(wǎng)絡(luò)中發(fā)現(xiàn)新的關(guān)系。最后一種是利用本體，如基因本體、表型本體等結(jié)構(gòu)化的知識系統(tǒng)來計算實體間的相似關(guān)系。它們之間各有優(yōu)缺點。研究基于本體的表型相似度計算方法能夠幫助預(yù)測病人的致病基因和疾病，充分利用本體的價值。
　　本文主要利用人類表型本體（Human Phenotype Ontology，HPO）作為工具來研究基因和表型之間以及疾病和表型之間的相似性關(guān)系，進而

3、預(yù)測病人的致病基因和疾病。本文在基于人類表型本體中表型信息量的基礎(chǔ)上結(jié)合本體的有向無環(huán)圖結(jié)構(gòu)，提出一種基于人類表型本體中通路的相似性計算方法。經(jīng)驗證，該方法在預(yù)測致病基因和疾病時，在不同的數(shù)據(jù)集（理想、含噪聲、含不準確以及含噪聲和不準確）上的效果均優(yōu)于其他基于本體的主流方法。例如本文方法在預(yù)測致病基因的含噪聲和不準確數(shù)據(jù)集上比第二好的Resnik方法提高了17.3個百分點，在預(yù)測疾病的含噪聲和不準確數(shù)據(jù)集上比此方法提高了18.1個百分點

4、。
　　有研究發(fā)現(xiàn)在疾病和基因網(wǎng)絡(luò)中，同類的疾病、功能相關(guān)的基因在網(wǎng)絡(luò)中表現(xiàn)出聚集特征。病人的身上體現(xiàn)出來的表型特征中不可避免的出現(xiàn)一些和該疾病或者致病基因無關(guān)的表型（噪聲表型），利用這種聚集特性可以篩選出一個表型集中噪聲表型，可以提高致病基因和疾病預(yù)測的準確率。本文構(gòu)建了表型網(wǎng)絡(luò)，在表型網(wǎng)絡(luò)中利用PageRank算法尋找中心表型和周邊表型，從而挖掘表型集中的噪聲表型，達到表型去噪的目的。經(jīng)實驗?zāi)M，該方法能很好的發(fā)現(xiàn)噪聲表型（平