检索历史 清除

摘要miRNA是一种广泛存在于真核生物中长度约为20到25个核苷酸的进化保守的单链内源性非编码RNA，它们虽不能编码蛋白质，但却参与靶基因的调控，在细胞增殖、生长、凋亡等生物过程中都起着关键作用，能够帮助我们从分子角度了解疾病的发生发展。探测miRNA及其功能将助于了解miRNA的调控机制，有助于深刻认识疾病的发生发展的机制，对人类疾病预防和治疗具有十分重要的意义。近年来，大量miRNA生物数据不断形成，大部分miRNA的功能仍然未知，探索miRNA功能是目前生命科学领域的热点，研究者们通过精细的生物实验的方法能够准确鉴别出miRNA和疾病之间的关联，但这类方法对实验条件要求高且周期漫长。计算方法是生物实验的最佳补充，这类方法通过整合已知的生物数据来推断miRNA和疾病之间的关联，利用预测结果可以指导生物实验，能够减少后续生物实验的盲目性、缩小生物实验的范围，帮助理解miRNA功能及致病机理。目前大多数计算方法存在预测准确度不高、需要负样本、不能预测孤立疾病和新miRNA、泛化能力不强等缺点，本文针对这些问题，提出了三种方法，主要研究工作如下：<br>　　1）基于共同邻居的异构二分网络链路预测方法推断miRNA-疾病关联。受单分网络共同邻居的启发，提出了二分网络共同邻居的概念并给出了 8 种共同邻居指标的定义，通过这些指标可以计算疾病和miRNA结点的初次关联得分，用初次得分即可预测疾病-miRNA 关联。为了得到更准确的预测结果，在初次得分的基础上，引入疾病和疾病之间的相似性及miRNA之间的相似性得到基于疾病空间相似性的共同邻居二次预测得分和基于miRNA相似性的共同邻居二次预测得分，利用基于miRNA功能相似性的共同邻居预测得分大幅提升了预测准确度、可以预测新miRNA，但却不能用于孤立疾病的预测，基于疾病功能相似性的共同邻居得分能够应用于孤立疾病预测，但对新miRNA没有预测能力。最后我们综合这两个得分加权形成一个整合的预测得分作为最终的疾病-miRNA 关联预测得分，该方法集中了以上预测方法的优点，LOOCV评估表现出良好的预测能力。在黄金基准数据集和预测数据集这两个不同数据集上实施的留一交叉验证显示出了该算法良好的预测能力，在实例研究中，我们对乳腺肿瘤和结肠肿瘤进行了预测研究，在推断潜在的疾病-miRNA 关联分析和孤立疾病-miRNA 关联的预测中均表现出良好的预测能力，大部分预测结果都得到了数据库证实。<br>　　2）基于双层网络随机游走的全局相似性miRNA-疾病关联预测方法研究。考虑到使用全局性信息能够提高预测准确度，我们尝试使用拉普拉斯算子来计算全局相似性，利用已知的通过生物实验确认的 miRNA-疾病关系对疾病种子进行优化，然后在miRNA网络中随机游走，得到一个稳定的分布向量，接着求稳定向量和疾病间全局相似性矩阵的各向量的皮尔森系数，获得疾病在miRNA全局相似性网络中的疾病-miRNA预测得分；与此同时，利用实验验证的疾病-miRNA关联对miRNA种子进行优化，然后在疾病网络中随机游走，得到一个稳定的分布向量，接着求稳定向量和 miRNA间全局相似性矩阵的各向量的皮尔森系数作为 miRNA在疾病全局相似性网络中疾病-miRNA 预测得分；最后把两个网络中得到的预测得分加权作为最终的疾病-miRNA 关联预测得分。该方法在没有负样本的情况下能够进行预测，预测结果优于现有前沿计算预测方法，在新miRNA特别是孤立疾病的预测方面优势明显，实例研究中预测得到的排名前50名疾病-miRNA关联大多得到实验验证，充分说明此种研究方法行之有效。<br>　　3）基于网络一致性的信息扩散方法推断疾病-miRNA关联。合理的构建疾病及miRNA相似性关系能够提高计算方法的预测准确度，我们首先整合实验验证的疾病和miRNA已知关联、疾病语义性得分、拉普拉斯算子构建了疾病全局相似性网络，利用miRNA功能相似性得分、家族信息、拉普拉斯算子构建出miRNA全局相似性网络，然后利用实验验证的疾病-miRNA关系、miRNA结点间的全局相似性构建基于miRNA全局相似性信息的疾病-miRNA关联网络ASm，利用实验验证的疾病-miRNA 关联信息及疾病结点间的全局相似性构建基于疾病全局相似性信息的疾病和miRNA关联网络ASd，接着分别结合全局相似性网络和ASm、ASd获取网络一致性扩散种子，利用一致性扩散种子分别在疾病全局相似性网络、miRNA全局相似性网络中扩散后获得稳定的扩散谱作为预测得分，最后对这两个预测得分做加权得到最终的疾病-miRNA 关联预测得分。该方法不需要负样本、能够用于新miRNA和孤立疾病的预测，算法设计简单，在黄金基准数据集和预测数据集上的 LOOCV 评估结果显示我们的方法优于我们前面提出的两种方法和他人的前沿方法。在实例研究中排名前50位的预测结果大都被数据库证实，其余的关联在最新文献中找到了支持证据，展现了我们提出的方法良好的预测能力。