微RNA與疾病關聯(lián)關系的研究與實現(xiàn).pdf

1、在生物信息學領域，疾病與基因之間的關聯(lián)關系是一個極其重要的研究方向。是研究人類遺傳疾病的重要手段，掌握了復雜疾病的治病機理，就可以根據致病基因所對應的表型對癥下藥，或者避免遺傳疾病的產生。隨著越來越多的基因被發(fā)現(xiàn)，數(shù)據量的飛速提升，基因與疾病的對應關系將從生物學實驗階段步入新的計算機實驗階段。
　　本文受到原有的微RNA-疾病對應關系算法研究的啟發(fā)，提出了利用改進的隨機游走算法在構建的疾病相似性網絡上進行隨機游走，對未知的微RNA

2、-疾病關聯(lián)關系進行打分排序，針對排序結果進行預測。主要的研究內容和成果如下:
　　利用已發(fā)表文獻挖掘經過生物學實驗驗證的微RNA-疾病的對應關系作為原始數(shù)據。利用基于Mesh概念的相似性算法計算相關疾病的相似性，用以構建疾病相似性網絡。在傳統(tǒng)的隨機游走算法中默認初始節(jié)點游走至下一節(jié)點的概率是相等的，并沒有結合網絡本身的特性來進行判斷，針對這一問題，本文提出了結合疾病網絡的實際情況，構建基于節(jié)點重要性的疾病重要性矩陣，將節(jié)點重要性作

3、為權重應用到轉移概率矩陣中。同時，結合原始數(shù)據中的對應關系，本文為網絡中已對應關系的疾病節(jié)點設置了一個評估參數(shù)，用來提升對應節(jié)點的轉移概率，從而加大排序的正確性。
　　實驗結果驗證了算法的可行性。實驗結果得出本文365個微RNA關聯(lián)的疾病排序，通過對每個RNA樣本排名前20位疾病進行驗證，證明了本文提出算法的準確性。同時與其他算法進行對比，驗證了此算法的高效性，此外該算法的算法的AUC值達到了73.5％，相較于傳統(tǒng)算法高出了一個百