基于AP聚類的蒸餾算法篩選乳腺癌致病基因.pdf

1、第三代高通量測(cè)序技術(shù)可以更精準(zhǔn)、更全面地獲得人類基因信息，為研究乳腺癌與基因表達(dá)之間的關(guān)系提供了新途徑，同時(shí)也帶來(lái)了新的挑戰(zhàn)-如何從三萬(wàn)多個(gè)已知人類基因中高效準(zhǔn)確地篩選乳腺癌致病基因。傳統(tǒng)單因素方法只考慮單個(gè)基因的異常表達(dá)對(duì)乳腺癌的影響，沒(méi)有能力處理基因間的交互作用；測(cè)序過(guò)程產(chǎn)生的噪聲數(shù)據(jù)的統(tǒng)計(jì)顯著性往往高于單個(gè)正?；虻慕y(tǒng)計(jì)顯著性，以致噪聲特征被誤認(rèn)為致病基因而被篩選出來(lái)，這些噪聲特征往往缺乏生物意義上的合理解釋。鑒于傳統(tǒng)方法的不足，

2、本文提出了一種基于AP聚類分析的蒸餾算法篩選乳腺癌致病基因，取得的創(chuàng)新性成果如下：
　　1.針對(duì)基因特征選擇，提出了一種基于AP聚類分析的蒸餾算法。蒸餾算法首先應(yīng)用AP聚類將全基因特征聚成多個(gè)基因簇；然后在各個(gè)基因簇中蒸餾篩選關(guān)鍵基因；最后將篩選出的關(guān)鍵基因聚合在一起。整個(gè)過(guò)程迭代進(jìn)行，通過(guò)調(diào)節(jié)參數(shù)控制篩選強(qiáng)度和聚類生成的基因簇的個(gè)數(shù)，直到篩選出的關(guān)鍵基因個(gè)數(shù)等于預(yù)先設(shè)定的值，算法才停止。蒸餾算法模擬物理蒸餾過(guò)程，通過(guò)AP聚類過(guò)程

3、、蒸餾篩選過(guò)程、冷凝過(guò)程三個(gè)子過(guò)程完成。其中AP聚類過(guò)程旨在將功能類似或者存在交互作用的基因聚到同一個(gè)基因簇中；蒸餾篩選過(guò)程通過(guò)調(diào)節(jié)參數(shù)，可以篩選出乳腺癌關(guān)鍵基因，這些基因可能個(gè)體表達(dá)水平并不顯著，但與簇內(nèi)其他基因存在功能上的關(guān)聯(lián)性或者其他交互性；冷凝過(guò)程是將各個(gè)基因簇中篩選出的基因重新聚合在一起，為下一次迭代做準(zhǔn)備。
　　2.應(yīng)用蒸餾算法從20141個(gè)人類基因中篩選出473個(gè)與乳腺癌緊密相關(guān)的基因，聚類分析將這些基因聚成9個(gè)基因

4、簇。鑒于目前已知的乳腺癌致病基因集中分布在第8個(gè)基因簇，本研究對(duì)該基因簇的77個(gè)基因之間的交互作用、以及與乳腺癌之間的關(guān)聯(lián)性給予生物意義上的解釋，并建議其中66個(gè)新發(fā)現(xiàn)的乳腺癌關(guān)聯(lián)基因作為后續(xù)研究的重點(diǎn)。進(jìn)一步，還分析了77個(gè)基因的甲基化程度，篩選出與對(duì)應(yīng)基因表達(dá)水平之間的相關(guān)性比較大的4個(gè)堿基位點(diǎn)。
　　3.采用基因簇富集分析方法對(duì)蒸餾算法生成的9個(gè)基因集合進(jìn)行了統(tǒng)計(jì)分析，驗(yàn)證了算法篩選出的基因集合的有效性。
　　本研究還