基于基因功能模塊的基因表達譜數(shù)據(jù)挖掘.pdf

1、應用高通量基因芯片技術，使得我們可以從以往對單個基因的局部、片面性研究，上升到對整個基因組的全局、系統(tǒng)性的研究層面?；虮磉_譜數(shù)據(jù)挖掘面臨檢測數(shù)據(jù)高噪音、維數(shù)災難、結果的生物學可解釋性差等挑戰(zhàn)。針對基因表達譜信息分析領域內實驗條件相關的基因功能類挖掘和基因功能預測兩個問題，我們設計了若干新的分析方法，這些新方法為解析基因表達譜信息中蘊藏的細胞功能機制和預測未知基因的功能提供了有效的生物信息學分析工具。
　　我們利用基因功能分類體系

2、Gene Ontology(GO)，分別設計了基于基因表達相似性和差異表達基因富集程度的實驗條件相關功能類篩選的新方法。利用基因表達譜數(shù)據(jù)，按 GO基因功能分類體系，將基因模塊化地組織到具有顯著生物學意義的低維差異表達功能模塊單元中：（1）構造新的指標用于分類疾病樣本，從而提出基于功能表達譜的分析新途徑。新算法對基因檢測缺失、基因表達變異與檢測誤差具有較強的穩(wěn)健性，并可以顯著地降低特征維數(shù)。采用淋巴瘤數(shù)據(jù)集，比較了基于功能表達譜和常規(guī)的

3、基因表達譜的決策樹分類器。結果顯示，基于功能表達譜可以得到高準確度的疾病樣本分類結果，能夠直接從功能水平上給出相應的生物學解釋。通過仿真分析，進一步顯示基于功能表達譜的分類方法具有抗基因檢測缺失的穩(wěn)健性。（2）基于功能表達譜對組織樣本進行聚類分析可以顯著降低特征維數(shù)，有效地處理高檢測誤差與基因表達變異問題。采用NCI60數(shù)據(jù)集，通過功能表達譜對組織樣本進行聚類分析，結果顯示新算法不但得到高準確度的樣本分型結果，而且能夠直接從功能水平上給

4、出相應的生物學解釋。(3)特定的疾病狀態(tài)一般僅與少數(shù)基因有比較直接的關系，而這少數(shù)疾病相關的基因對應的基因功能類中應該顯著聚集由于疾病狀態(tài)引起的差異表達的基因。據(jù)此假設，提出了一種結合基因功能分類知識的特征基因選擇與疾病分類方法。在將基因注釋到基因功能分類體系 GO中的功能類后，通過尋找顯著聚集差異表達基因的功能類，識別可能的疾病相關基因功能類，再根據(jù)差異表達功能類中的基因表達譜進行疾病分類分析。采用支持向量機分析了一套淋巴瘤數(shù)據(jù)集，結

5、果顯示，基于功能特征基因選擇的方法可以顯著降低分析維數(shù)，得到高準確度的疾病樣本分類結果，能夠直接從功能水平上給出分類結果相應的生物學解釋。(4)提出結合基因功能分類體系GO，進一步篩選聚類特征基因的方法。通過檢驗在GO中的每個功能類中的表達變異基因是否非隨機地聚集，尋找疾病相關功能類，再根據(jù)相關功能類中的表達變異基因進行聚類分析。實驗結果顯示：結合功能體系 GO進一步篩選表達變異基因作為聚類特征基因，可以保持或提高聚類準確性，并使得聚類

6、結果具有明確的生物學意義。另外，發(fā)現(xiàn)了一些可能和淋巴瘤和白血病相關的基因。(5)利用有限個實驗條件下的基因表達譜數(shù)據(jù)，只能對與實驗條件相關的基因功能類進行有效預測，所以有必要限定可預測的基因功能類范圍。據(jù)此，我們將基因注釋于基因功能知識體系 GO后，再選擇富集差異表達基因的與實驗條件相關的功能類。通過支持向量機分類器，深化預測迄今只注釋到實驗條件相關功能類的父結點的基因是否屬于該實驗條件相關功能類。應用一套酵母基因表達譜數(shù)據(jù)，我們分析了

7、按照不同的顯著性水平篩選實驗條件相關功能類后的預測效果。結果顯示，在剔除了高度不平衡的訓練集合后，平均精度與平均召回率分別達到了71％與47%以上。(6)提出了結合基因表達相似性和基因功能類別在GO分類體系中的概念相似性測度進行基因功能預測的新方法。與已有的其它基因功能預測方法不同，新方法在學習過程中自動地從 GO中的各個功能類中選擇最合適的盡可能具體的功能類，利用注釋于其相近功能類的基因支持預測具體的小功能類，并通過兩種概念相似測度評