基于最大信息系数的永久性房颤差异表达基因识别.pdfVIP

34卷 1期 中 国 生 物 医 学 工 程 学 报 Vo1．34 No．1 2015年 2月 ChineseJo~rnalofBiomedicalEngineering February 2015 基于最大信息系数的永久性房颤差异表达基因识别 刘汉明 饶妮妮h 李 益 罗恒荣 杨 阳 杨 锋 (电子科技大学生命科学学院，成都 610054) (赣南师范学 院计算机科学学院，江西 赣州 341000) 摘 要：心房颤动是一种常见的、与年龄相关的心律失常，由其所导致的脑卒中具有高致残率和致死率。通过对高 通量基 因表达谱 的分析 ，可以帮助理解心房颤动的生物学过程和功能紊乱机制 ，并发现相关致病基因。新型的非 参数统计方法——最大信息系数，在探索双变量之间的关联方面具有独特的优点。利用该方法，发现差异与非差 异基因表达值与样本表型之间的关联程度不同，构建差异表达基因识别方法。对永久性房颤基因表达谱 GSE2240 的分析 ，识别 出41个差异表达基 因，其中有 14基 因是 已有工作未发现 的新差异表达基 因。信号通路和富集分析 表明，这些差异表达基因与房颤高度相关。同时，对乳腺癌基因表达数据 GSE24037的分析，进一步说明该方法在 差异表达基因识别方面的有效性。最大信息系数的非参数特性与抗噪能力，使它非常适合于差异表达基因的 识别。 关键词 ：最大信息系数 ；心房颤动 ；差异表达基 因 中图分类号 Q33 文献标志码 A 文章编号0258—8021(2015)01-0008-09 M aximalInformation Coefficienton IdentifyingDifferentiallyExpressedGenes ofPermanentAtrialFibrillation LiuHanming RaoNini LiYi LuoHengrong YangYang YangFeng (SchoolofLifeScienceandTechnology，UniversityofElectronicScienceandTechnologyofChina，Chengdu610054，China) (SchoolofMathematicsandComputerScience，GannanNormalUniversity，Ganzhou341000，Jiangxi，China) Abstract：Theatrialfibrillationisacommonarrhythmiadisease．Itusuallycausesstrokeresultinginhighrisk onmorbidityandmortality．Itcanbe insightintothebiologicalprocesses，thefunctionaldisordersofatrial fibrillation and thegenesassociated with disease risksby analyzing amicroarray data． A proposed novel statisticalmethodnamedasmaximalinformationcoefficient(MIC)hasexcellentperformanceinexploringthe relationship between two—variables． Based on the degree of relationship between the phenotypes and differentiallyorundifferentially expressed genes，the statisticalmethodwa