基于生物芯片的系统性检测差异性表达基因以及构建非线性稳定网络-生物医学专业论文.docxVIP

论文摘要利用芯片数据来研究生物系统，其中挑选差异表达基因、筛选稳定的差异表达 论文摘要 利用芯片数据来研究生物系统，其中挑选差异表达基因、筛选稳定的差异表达 基因和研究这些基因之间的联系，从而深入研究生物系统是很重要的和基础的，但 目前没有比较系统的方法。本文试图基于生物芯片数据，建立一套方法来研究生物 系统。 有很多挑选差异表达基因的方法已经被发展出来，它们可以分为三类：参数、 非参数和Bayesian方法。但是这些已知的方法都忽视了基因之间的非线性相互作用。 同时，它们自身具有比较高的假阳性。为了解决这个问题，我发展出了系统王 (SWang)检验，它能够同时利用多个中心矩的信息并潜在的考虑到基因的相互作 用，该作用的利用是因为系统王(SWang)检验使用了偏度和峰度的信息。为了评 估系统王(SWang)，我利用统计模拟和实际数据进行验证。通过统计模拟，与T 检验、F检验、Fold．change和SAM四种方法相比，系统王(SWang)检验较低的 假阳性和较高的统计功效。在实际数据中，系统王(SWang)检验可以检测到其他 方法不能检测到的基因，这些基因的差异主要来源偏度和峰度，通过相关文献和 RT-PCR得到验证。 为了研究非线性系统，基于非线性相互作用模型我发展了变量稳定性子集选择 法(VRSC)，通过该方法可以非线性基因相互作用模型中初始表达基因，通过统计 模拟知道其统计功效很好，但是假阳性比较高。为了降低其假阳性，我首先利用系 统王(SWang)检验，然后在利用变量稳定性子集选择法，这样得到最终结果可以 被认为基因子集包含了初始表达基因。 为了更深入的理解非线性相互作用模型，基于非线性相互作用模型我也发展了 核函数王非线性相关系数(KWNCC)，该相关系数同时考虑到了偏度和峰度等信息， 统计模拟显示与其他六种相关系数方法，KWNCC能够比较好的测量非线性相关系 数。 通过利用本套方法对三个真实基因芯片数据分析，结合网络分析进行了相关实 证分析，可以认为这些方法对研究非线性基因相互作用是有效。从而也初步建立一 证分析，可以认为这些方法对研究非线性基因相互作用是有效。从而也初步建立一 套比较简单的分析非线性系统的方法和分析流程，这将为生物信息学，尤其是生物 芯片研究带来一些帮助。 关键词：差异表达基因，系统王(sWang)检验，非线性基因相互作用模型(NGIM)， 变量稳定性子集选择法(VRSC)，核函数王非线性相关系数(KWNCC)，非线性， 变量(基因)之间相互作用，稳定性网络 II ABSTRACTStudying ABSTRACT Studying biological system with microarray data，it is crucial and basic to study biological system via detecting differentially expressed genes，selecting stable genes， working out the association between those genes．But there is no systematic approaches for studying biological system．We try to constuct a approach system to study biological system． Many methods，including parametric，nonparametric，and Bayesian methods，have been used for detecting differentially expressed genes based on the assumption that biological system are linear,which ignores the nonlinear characteri stics of most biological systems．More importantly,those methods do not simultaneously consider means，variances，and high moments，resulting in relatively high false positive rate．To overcome the limitations，the SWang test is proposed to determine differentially expressed genes according to the equality of distributions between case