一种从多表达谱数据挖掘基因共表达团的新方法＊研究报告.pdfVIP

ResearchPapers 研究报告 生物化学与生物物理进展 ProgressinBiochemistryandBiophysics 2008,35(8):914~920 一种从多表达谱数据挖掘基因共表达团的新方法* 陈 兰1,3)** 王世敏1,3)** 陈润生1,2)*** 1) 2) 3) (中国科学院计算技术研究所，北京 100190； 中国科学院生物物理研究所，北京 100101； 中国科学院研究生院，北京 100049) 摘要 随着近年来高通量基因表达谱数据的涌现，集成多个不同实验条件的表达谱数据，并挖掘在多数据源都保守的基因共 表达团，成为预测基因功能或者调控关系的方法之一.但是，常用的方法通常仅简单地集成不同表达谱数据并推导保守基因 共表达团，这样可能会导致结果中出现并非真正在多数据源保守的共表达团.提出一种结合最小哈希与局部敏感哈希的新方 法，可以高效地寻找在多表达谱数据源中真正保守的基因共表达团.结果分析证明，相比过去的方法，现提出的方法可以获 得更加功能相关和调控相关的基因共表达团. 关键词 表达谱，共表达网络，最小哈希，局部敏感哈希 学科分类号 180.1410 随 着 测 量 mRNA 表 达 水 平 的微 阵 列 模式，但事实上它们的功能并不相关.此外，芯片 (microarray)技术的发展，近年来涌现了大量高通量 实验中的噪音也可能会导致对基因表达相关性估计 基因表达谱数据.这些数据使得我们可以获得大量 的误差.因此，简单地通过一个表达谱数据中基因 基因在同一个实验条件或者时间点的相对表达量， 的共表达模式来预测基因功能或者调控的关系，会 因此成为生物信息领域用于挖掘未知基因功能，或 引入不可预料的误差.考虑到有意义的生物模块倾 者推测基因间的转录调控关系的重要数据源.基于 向于在多个独立的实验条件下被激活，并且，由于 共享一个生物通路，或者属于相同蛋白质复合物的 数据噪音或者其他偶然因素导致的基因之间的高表 基因倾向于共调控的假设，许多研究都致力于从大 达相关，不太可能在多个实验条件下都保守.因 规模的基因表达谱数据中推导共表达的基因团，从 此，集成多个不同实验条件的表达谱数据，并挖掘 而预测基因的调控模式，或者未知基因的生物功能 在多数据源都保守的基因共表达团，可以降低对基 等.从表达谱数据中寻找基因共表达团的方法，可 因调控关系或者功能预测的误差. 以看做是从该表达谱数据代表的基因共表达网络中 集成多表达谱推导保守基因共表达团的方法 寻找比较稠密的子图.基因的共表达网络被定义 中，最常见的是首先集成不同表达谱得到一个 “综 [1,4] 为，图中的一个点代表表达谱数据中的一个基因， 合共表达网络”，然后从中挖掘基因共表达团 . 如果两个基因之间共表达，则在图中对应的两点之 在这个 “综合共表达网络”的图中，每一个点代表 间连接一条边.判断两个基因是否共表达的方法有 一个基因.如果两个基因在多个表达谱数据中都有 很多种，最常用的方法是首先计算基因的表达相关 较高的表达相关性，也就是说这两个基因在多数据 性，再判断该表达相关性的值是否大于一个事先设 源中保守共表达，则在图中对应的两点之间连接一 定的阈值，或者用统计方法计算该表达相关性是否 条边.基于该网络寻找的基因共表达团，比从单数 [1,2] 显著的高 . [3] 然而，在一些研究中指出 ，相似的基因表达 模式并不一定意味着基因的功能相关，反之亦然. *国家自然科学基金资助项目30570393. **共同第一作者. 例如，即使在相