基于蛋白质互作网络和转录共表达的疾病基因排序方法研究-生物信息学专业论文.docxVIP

万方数据 万方数据 上海交通大学 学位论文原创性声明 本人郑重声明:所呈交的学位论文《基于蛋白质互作网络和转录 共表达的疾病基因排序方法研究)) ，是本人在导师的指导下，独立进 行研究工作所取得的成果。除文中己经注明引用的内容外，本论文不 包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研 究做出重要贡献的个人和集体，均己在文中以明确方式标明。本人完 全意识到本声明的法律结果由本人承担。 学位论文作者签名: 王仄 日期::Po/lf 年之月均日 万方数据 万方数据 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 保密口，在 年解密后适用本授权书。 本学位论文属于 / 不保密目。 (请在以上方框内打 .J ) dmh飞 dmh 飞和 名 签 百川T 教 导 日期列严二L 月M 日 日期: 印年 z 月日 ‘ 上海交通大学硕士学位论文 上海交通大学硕士学位论文 万方数据 万方数据 基于蛋白质互作网络和转录共表达的疾病基因排序方法 研究 摘 要 本文以人类癌症样本为例，致力于整合蛋白质互作网络和芯片表 达数据进行基因排序方法的研究。首先我们比较了使用疾病特异性与 非特异性的基因表达数据在疾病基因排序中的效果，结果显示前者的 其效果要更好。接着我们使用了三种不同的蛋白质互作网络的效果， 并通过整合了多次实验构建出癌症共表达网络，分析了各种网络在疾 病基因排序应用中的优劣。最后，我们提出了基于整合基因表达芯片 中共表达、差异化表达信息以及蛋白质互作网络进行基因排序的新方 法 GroupRank。由于目前的整合差异化表达信息和蛋白质互作网络的 排序算法都是基于单个差异化表达基因评分再累加进行比较，通过网 络扩散，与疾病不相关的基因也可能会被赋予较高分数。针对这一缺 陷，我们提出了基于共表达簇的排序方法-GroupRank。GroupRank 中， 候选基因只有和共表达簇内所有基因都相关才会被认为是可能的致病 基因。根据癌症基因排序验证结果，GroupRank 比基于单个差异化表 达基因评分的排序算法要更有效。而且通过对在 GroupRank 中贡献较 高的共表达基因簇进行功能富集分析，可能的致病机理我们发现这些 共表达簇确实与相应的癌症有很大关联。显然这一基于基因簇的方法 也可以帮助我们更好地了解疾病发展中的重要生理、病理过程。 关键词：基因排序、 蛋白质互作网络、差异化表达、共表达 I Disease Gene Prioritization Based on PPI Network and Transcriptional Co-expression Profiles ABSTRACT We made efforts to integrate protein-protein interaction network and microarray co-expression data to do gene prioritization. We compared the performances in gene prioritization based on disease-specific and non-specific microarray data firstly, and the former performed better as results. Then we used three different protein-protein interaction (PPI) networks and constructed a co-expression network by integrating multiple microarray experiments data and evaluated the advantage and disadvantage among these networks. Finally, we developed a novel gene prioritization method by merging co-expression and differential expression information generated from microarray data as well as PPI network. Present gene prioritization methods based on integra