学位论文 > 优秀研究生学位论文题录展示

基于动态贝叶斯模型的基因调控网络构建方法研究

作　者: 葛玲玲
导　师: 王浩
学　校: 合肥工业大学
专　业: 计算机应用技术
关键词: 动态贝叶斯网络 基因调控网络 SEM算法 多时延
分类号: Q75
类　型: 硕士论文
年　份: 2010年
下　载: 112次
引　用: 1次
阅　读: 论文下载
 

内容摘要


基因序列测序的完成,大规模测定基因表达水平的基因芯片技术的出现和高性能计算机的使用使得用模拟计算的方法大规模的研究基因表达调控成为可能,基因调控网络的重构成为功能基因组中最具挑战性的课题之一。利用贝叶斯网络构建基因调控网络也是目前生物信息学研究的一个热点。而DBNs能将数据的时序特点纳入模型中,克服普通贝叶斯有向无环图的缺点,表示出基因之间的负反馈调控过程,更加适合处理基因调控网络这一复杂的生物现象。本文的主要内容如下:(1)贝叶斯网络的概述。全面介绍和分析了贝叶斯网络的研究背景、研究现状和研究趋势;贝叶斯网络的基本原理;动态贝叶斯模型的原理及构建基因调控网络的优势。(2)动态贝叶斯网络(DBN)是基因调控网络的一种有力建模工具。贝叶斯结构期望最大算法(SEM)能较好处理构建基因调控网络中数据缺失的情况,但SEM算法学习的结果对初始参数设置依赖性强。针对此问题,提出一种改进的SEM算法,通过随机生成一些候选初始值,在经过一次迭代后得到的参数中选择一个最好的初始值作为模型的初始参数值,然后执行基本的SEM算法。利用啤酒酵母细胞周期微阵列表达数据,构建其基因调控网络并与现有文献比较,结果显示该算法进一步提高了调控网络构建的精度。(3)许多基因网络构建方面的研究都是假设基因表达之间没有时延或者有一个不变的时延。然而生物文献表明不同的基因对之间有不同的调控时延。因此本文提出一种构建多时延的调控网络构建方法。首先根据基因表达数据估计每个调控-目标基因对的转录时延及潜在调控基因的集合,然后根据估计出来的时延重新组织基因表达数据矩阵,最后把重新组织过的基因表达数据应用到传统的动态贝叶斯模型中构建基因调控网络。将此方法用于酿酒酵母菌细胞周期表达数据,构建多时延的基因调控网络,显示了算法的有效性。

全文目录


摘要  5-6
ABSTRACT  6-8
致谢  8-13
第一章 绪论  13-22
  1.1 课题的研究背景和意义  13
  1.2 基因调控网络  13-14
  1.3 基因调控网络的研究现状及面临的问题  14-15
    1.3.1 基因调控网络的研究现状  14-15
    1.3.2 基因调控网络的构建面临的问题  15
  1.4 基因调控网络的构建方法  15-20
    1.4.1 聚类分析  16-17
    1.4.2 系统生物学建模  17-20
  1.5 本文内容组织  20-22
第二章 贝叶斯网络方法的相关理论  22-33
  2.1 静态贝叶斯网络  22-23
    2.1.1 静态贝叶斯网络的定义  22
    2.1.2 静态贝叶斯网络的构造  22-23
  2.2 动态贝叶斯网络  23-26
    2.2.1 动态贝叶斯网络的定义  23-24
    2.2.2 一阶马尔可夫过程  24-25
    2.2.3 隐含马尔可夫模型（HMMs，Hidden Markov models）  25-26
  2.3 贝叶斯网络的结构学习  26-29
    2.3.1 基于评分搜索的方法  27-28
    2.3.2 基于依赖性测试的方法  28-29
  2.4 贝叶斯网络的参数学习  29-31
    2.4.1 完备数据集下概率参数的学习  29-30
    2.4.2 学习不完备数据集下的概率参数  30-31
  2.5 DBNs 技术研究生物调控网络的优势  31
  2.6 BNs 技术在基因调控网络上的应用  31-32
  2.7 本章小结  32-33
第三章 基于改进SEM 算法的基因调控网络构建方法  33-39
  3.1 基于 DBNs 的基因调控网络构建方法  33-34
  3.2 SEM 算法  34-35
  3.3 改进的SEM 算法  35
  3.4 实验结果和分析  35-38
    3.4.1 实验环境和数据处理  35-36
    3.4.2 实验结果与分析  36-38
  3.5 本章小结  38-39
第四章 基于动态贝叶斯模型的多时延基因调控网络构建方法  39-46
  4.1 多时延调控网络的构建  39
  4.2 高阶马尔可夫动态贝叶斯网络  39-40
  4.3 多时延调控网络中时延的估计  40-42
  4.4 基因表达数据的整理和组织  42-43
    4.4.1 候选调控基因集合的生成  42
    4.4.2 学习算法  42-43
  4.5 实验数据与实验结果分析  43-45
    4.5.1 实验数据来源与预处理  43
    4.5.2 实验结果与分析  43-45
  4.6 本章小结  45-46
第五章 总结与展望  46-48
  5.1 本文的主要工作  46
  5.2 下一步的工作  46-48
参考文献  48-53
读硕士期间主要科研工作及成果  53-54

相似论文

  1. 基因调控网络模型描述语言研究,Q78
  2. 多传感器信息融合及其在可穿戴计算机上的应用,TP202
  3. 基因调控网络鲁棒稳定性分析,TP13
  4. 在内部参数波动和外部噪声干扰下的基因调控网络鲁棒控制器的设计,Q75
  5. 一类基因调控网络的定性分析,Q75
  6. 基于动态贝叶斯网络的连续语音识别研究,TN912.34
  7. 融合多数据源构建基因调控网络,Q811.4
  8. 应用遗传基因组学手段初步构建阿尔茨海默病相关基因表达调控网络,R749.16
  9. 动态贝叶斯网络在水文预报中的应用,TV124
  10. 基于Bayesian的基因调控网络的研究,Q78
  11. 基于线性回归模型的基因调控网络重构算法的研究,Q75
  12. 基于基因芯片数据的基因调控网络的重构及其疾病学应用,TP18
  13. 基于Bootstrap DBN模型的基因调控网络构建,TP18
  14. 基于不同模型的运动目标跟踪算法研究,TP391.41
  15. 代谢过程控制与优化的智能算法研究—参数估计,Q811.4
  16. 基因调控网络的分析与控制,R346
  17. 基于基因群体感应耦合模型的基因时钟同步,O157.5
  18. 面向智能汽车空间的上下文建模与推理研究,TP391.1
  19. 基于布尔网络模型的基因调控网络稳定性研究,Q75
  20. 基因网络的稳定性与同步性研究,O157.5

中图分类: > 生物科学 > 分子生物学 > 分子遗传学
© 2012 www.xueweilunwen.com