单核苷酸多态性与癌症关联性算法研究.pdfVIP

重庆邮电大学硕+论文 摘要 摘要 核苷酸多念性(Nucleotide nucleotide 包括单核苷酸多态性(Single 其中，单核苷酸多态性出现的最多。这些变异最终可能影响到基因的表型。目前 已知很多人类疾病都与SNPs有关。由于其分布广，密度高，在诸如癌症、糖尿病、 高血压和哮喘等复杂疾病的研究中得到了重视。大量SNPs的分析结果表明，由 SNPs导致的等位基因变异分御在基因的各个区域，特别是基因的编码区。存在于 编码区的SNPs可能改变基因表达产物——蛋白质的氨基酸残基的种类，使蛋白质 的结构和功能发生变化，从而导致人类对某些疾病，尤其是癌症的易感性。研究 表明，与人类疾病相关的基因变化大约有一半是由SNPs引起的。因此，对SNPs 与疾病关系的预测研究具有重要意义。 目前已经有许多SNPs与疾病关系的预测方法出现，大部分都是利用蛋白质序 列的进化信息或结构信息。研究表明，与蛋白序列中的非保守位点相比，导致疾 病的突变更多的发生在序列的保守位点，这表明预测可以基于序列的同源性，即 进化信息可以作为预测因子。另外，致病性氨基酸突变与中性突变相比，它们所 在的蛋白质具有不同的结构特征，这表明结构信息也可以用作预测因子。因此， IntolerantfromTolerant)分类方法，Clifford等人提出thePfam．based SIFT(Sorting 森林分类方法。尽管这些方法能够识别致病SNPs，但是它们在准确度、灵敏度等 指标上还不够理想，有待进一步改善。因此，本文在研究变异位点进化信息和结 构信息的基础上，针对Bao等人用同源信息和结构信息的分类方法，提出改善预 测准确度、灵敏度等指标的方法。 本文主要在以下几个方面展开工作： 首先，选取比对工具。介绍序列比对的意义及常用工具，并选取适合本文蛋 白质序列分析的比对软件，主要是为下文对包含非同义变异的蛋白质序列的同源 序列搜索与序列比对选择合适的工具。 acid theamino 其次，对于蛋白质序列上的变异，本文参考Parepro(Predicting replacement 个特征。这些特征对于最终分类结果提供了大量的信息，对于提高最终预测效果 有很大帮助。 再次，研究利用了最常用的分类模型支持向量机(SVM)模型。为了达到更好的 重庆邮电大学硕十论文 摘要 模型训练效果，在SVM的训练和结果的预测上根据预测效果选择径向基核函数， 并训练选择适当的交叉比对次数。此外，在Parepro构造出的向量第95个属性值 后面，加入新的表型预测因子——变异容忍度值SIFTScore作为第96个分量，更 好地将不影响表型的普通变异和致癌变异两类数据分丌。 最后，把新的预测结果与Bao等人结合结构信息和进化信息的支持向量机预 测方法结果以及SIFT预测结果在预测准确率，灵敏度，特异性和马修相关系数四 个方面进行比较，表明本文的方法在几个方面都有所提高。 关键词：单核苷酸多态性，Parepro支持向量构造法，支持向量机，变异分类 Abstract formof nucleotide themostcommon genetic Single polymorphisms(SNPs)are areidentifiedin nucleotide variantsin missensesubstitutions single humans．Many