检索历史 清除

摘要随着生物学技术的不断发展,特别是DNA微阵列技术的不断成熟,产生了大量的基因表达数据,通过对表达数据的挖掘来对基因功能预测成为研究热点。通常认为具有相似表达谱的基因往往具有相似的功能。然而大量研究发现具有相似功能的基因不一定具有相似的表达谱,相反具有不同功能的基因却有可能具有相似的表达谱。基于此,很多其他预测基因功能的方法被提出,其中使用基因本体联合会建立的基因本体(Gene Ontology,GO)数据库来预测和分析基因功能已经被广泛接受。GO作为一种生物学语义词典适用于多种物种,其对基因和蛋白质功能进行了描述与限定。通常一个基因或基因产物由一个或多个GO术语进行注解,这样通过计算基因间的相似性来分析或预测基因功能已经成为一个重要研究方向。<br>　　本文分别探讨了基因术语间与基因间语义相似度研究的现状,对常用的相似度度量方法的分类与各类别中典型方法进行了介绍,对各方法的优点及存在的不足进行了分析,其中术语法是本文研究的重点。本文的主要研究内容如下:<br>　　1.基因术语间语义相似度研究<br>　　基于目前已有的基因术语间语义相似度计算方法存在的不足,引入了边权重的概念,综合考虑了术语所处本体层次深度及密度对术语间语义距离的影响,再结合语义密度及语义层次这两个影响因素,本文提出了基于边权重的基因术语间语义相似度计算方法。通过对比实验,结果证明本文方法相比其他方法具有更高的精度。<br>　　2.基因间语义相似度研究<br>　　在基因术语间语义相似度计算方法的基础上,引入了术语概念权重的概念,改进了Wang等人提出的基因间语义相似度计算方法。通过对取自酵母基因数据库的生物代谢通路数据进行实验,结果表明本文提出方法的有效性。<br>　　3.疾病基因预测<br>　　在基因间语义相似度计算方法的基础上,引入了术语概念贡献度的概念,对现有基因与疾病的相关度的计算方法进行了改进。通过分析候选基因与疾病的相似性,对候选基因进行打分排序并与现有方法进行比较。结果表明本文方法具有更高的准确率,能够从某个染色体区间中有效地识别出致病基因。