基因表达谱的复杂网络研究.pdfVIP

ISSN 1009-3044 E-mail: kfyj@ 第 7 卷第 7 期 (2011 年 3 月) 电脑知识与技术 Computer Knowledge and Technology 电脑知识与技术 Computer Knowledge and Technology Vol.7, No.7, March 2011,pp.1671-1674 Tel:+86-551-5690963 5690964 基因表达谱的复杂网络研究 张 东 （上海理工大 学 ，上海 200093 ） 摘要 ：该 文采 用复杂 网络理论 。 首先利 用分类信息 指数 对数据进行初 步 筛选 ，选 出了 314 个基 因。 对选 出的基 因分 别做 肿瘤样 本和 正 常样 本 的相 关 系数 矩 阵 ，利 用 Kruskal 算 法分 别对 两个相 关 系数 矩 阵做 最 小生成 树 ，然后 通 过 比较选 出阈值 ，建 立起 节 点 间的连 边 关 系，得到 致病前后 的 两个 网络。 根 据 复杂 网络中的相 关理论 ，分 别对肿瘤样 本 和 正 常样 本进行 社 区划 分 ，最后 通过 观 察 两个样 本 的网络 系统 ，分析致 病前后 基 因的 变化 情况 ，建议 了结肠癌 的特征 基 因。 关键词 ：基 因芯片 ；基 因表 达谱 ；社 区结构 ；分 类信息 指数 ；最 小生成树 ；阈值 ；复杂 网络 中图分类号 ： 文献标识码 ： 文章编号 ： O157 A 1009-3044(2011)07-1671-04 癌症起源 于正 常组 织 在 物 理 或化 学致 癌 物 的诱 导 下 ，基 因组 发 生 的突 变 ，即基 因在 结 构 上 发 生 碱 基对的 组 成或 排 列 顺 序 的改 变 ，因而改变 了基 因原来的 正 常分布 （即所包 含基 因的种类 和各类 基 因以该 基 因转 录 的 mRNA 的多少来 衡 量 的表 达水 平 ）。 所 以探 讨 基 因分 布 的改变 与癌症发 生之间 的关系 具 有 深远 的意义 。 复杂 网络理论 是 近年来 发展起来的 一个 重要的 交 叉 。 对于 一个 复杂 的系统 ，很 多 时候 我们 不 能够单 独 通 过 分 析 系统 内元 组来 反应系统性 质 。 复杂 系统是 由微 观层 次上 的海量个 体所组 成 ，个 体之间存 在着作用 。 把个 体抽 象 为 网络节 点 ，而个 体之间 的相互作 用抽 象 为节 点之间 的边 ，则 复杂 系统就 可 以用一个 复杂 网络来描述 。 本 文 的实验数 据集包 含 22 个 正 常组 织样本和 40 个 结 肠癌 组 织 样 本 ，每 表 1 文献中发 现的 34 个 结肠癌 相关基 因。 个 样本包 含 2000 个基 因的表达数 据 。 首先对样本数 据进行 归 一 化 ，另外 ，数 Gene ID 是 基 因表 达谱 中的基因编号 据 的特征维数 2000 ，远远 高 于样本个数 62 。 因此 ，有 必要对数 据 进行 过 滤 和 降维 。 我们 采 用 了分类 信息 指数 方 法 (information index to classification, ⅡC) [2] ，公 式为 ： 其 中 ，μ (i) ，μ (i)分别表 示 第 i 个基 因在 正 常组 织 样 本和 结 肠癌 组 织 样 本 1 2 中的中表达水平 的均值 ； 2 ， 2 分别 为该 基 因表达水平 的标准差 。