基因调控网络模型的研究综述.docVIP

基因调控网络模型的研究综述 　　摘要：基因调控网络的研究从基因之间相互作用相互影响的角度道出的生命现象，既是现在生物信息学研究的前沿，又是研究功能基因组学的主要内容。本论文主要论述了基因调控网络模型研究的目的意义，介绍了主要几种模型的研究现状，同时介绍基因调控网络发展过程中存在的一些问题。这类看法也能够用在指导生物实验室的相关研究，应用可以扩散到医学领域，在生物信息学分子层面开发靶基因能够最大影响药物的作用。 　　关键词：基因调控网络 微分方程模型 贝叶斯网络模型 　　中图分类号：R394 文献标识码：A 文章编号：1007-9416（2015）02-0000-00 　　1目的意义 　　基因调控网络模型研究，是在某一范围内使用特定的系统方法和模型将有关的数据实施分析和构建，然而并不是单一的某几个基因活某个基因单独表达和单纯表达集合。用这种观点来研究基因调控网路构建模型，研究基因间相互作用与相互影响关系是怎么样通过控制与优化来分析和研究生物体中的现象，特别是研究形成疾病原因等问题都有很大的帮助。同时也有利于了解生物细胞内基因组和基因内所有基因及它的相关产物间的代谢和基因调控网络的作用关系。这类看法也能够用在指导生物实验室的相关研究，应用可以扩散到医学领域，在生物信息学分子层面开发靶基因能够最大影响药物的作用。 　　2研究现状 　　到目前为止，出现了很多基因调控网络的模型研究，它们具有不同的分类方法。有离散网络模型，比如 布尔网络模型；连续网络模型，例如CorrelationMetric Construction，Arkin and Ross CMC；随机网络模型，例如PBN，Probablistic Booleannetwork；确定型网络模型，例如the nonlinear model of weaver，the nonlinear model of haeselee等；定量网络模型与定性网络模型等。下面我们简单说明下几年来建立的一些用于基因调控网络模型的一些数学方法研究现状。 　　贝叶斯网络模型 　　Friedman 提出基于概率论的贝叶斯网络模型，利用贝叶斯网络构建基因调控网络是生物信息研究的一个热点，Tominaga等人利用贝叶斯网络构建一个包含 800 个基因的基因调控网络，然而，两个基因之间的调控存在一定的时延，Murphy 等人根据这一特性首次提出了用动态贝叶斯网络（Dynamic Bayesian Networks DBNs）模型分析时序基因表达数据，Kim 等人也在这方便做了大量的工作，并结合线性或非线性模型以及相应的生物学知识对动态贝叶斯方法进行了改进。Hautaniemi S把布尔网络和贝叶斯网络结合起来，来构建基因调控网络，处理概率框架下的不确定性。该组合模型是在布尔网络模型的基础上增加了对父代基因集合的概率选择，它合并了基于规则的基因之间的依赖关系，可进行全局网络动态的系统研究，可在数据和模型选择上处理不确定性。 　　微分方程模型 　　Landahl smolen 等人建立基因调控网络的非线性微分方程模型，以及 Mestl，Glass 等人提出分段线性微分方程来简化非线性微分方程模型，D’haeseleer等H1用非线性插值对时间点进行拟合。数据来源于3个不同的试验，间隔一定的时间，使用表达水平的3次插值将数据拼接（增加测量的时间点），然后用微分方程来推导交互矩阵（interaction matrix）。基因网络模型是一组线性微分方程，其中基因表达量的改变取决于其他基因输入的权重，互作的权重用最小二乘法来拟合，内插的时间序列，由于数据空间分布不均匀，分布密度大的基因得到的权重大，引起了一定的偏性。该方法较精确地拟合了数据，但可能存在一定程度上的过度拟合，同时该模型没有减少基因的搜索空间，计算量比较大。 　　3基因调控网络的研究的问题 　　构建基因调控网络时容易存在以下几个研究问题： 　　（1）数据的获得和预处理。随着基因微阵列芯片和第二代转录组测序技术的发展，研究者可以得到大量高通量的数据。然而样本的不确定性（保存不当可能导致降解和污染）、测序过程周围的温度以及测序仪器设备的参数，如激发光强度、分辨率等，这些内外因素会导致数据在获取的过程中不可避免地产生噪声。同时，高通数据的预处理过程，包括弱信号的删除、重复数据的合并、缺失数据的填补等，对于精确地构建基因调控网络至关重要。因此，如何获得准确的数据是一个需要亟待解决的问题。 　　（2）性能好的建模方法的提出。基因调控网络通常涉及几百甚至上千个基因，并且具有强?H合性、随机性、时变性、强非线性的特点，是一个复杂而庞大的系统。如何有效而快速地建立精确的预测模型是目前研究的热点。随着高性能计算技术的发展，精确地模拟基因调控网络的