基于动态贝叶斯网构建基因调控网络

动态贝叶斯网络(dynamic bayesian network,DBN)是一种基于时序表达数据构建基因调控网络的重要方法。然而目前的DBN方法因计算时间太长,结构不稳定,准确度低,对有效性有很大影响。根据动态贝叶斯网络的度量可分解性质,将动态贝叶斯网络分为初始网络与转移网络分别进行结构寻优,在寻优时将基于静态贝叶斯网络的最大权重生成树算法与贪婪搜索算法相结合,移植入动态贝叶斯网络中,建立基因调控网络模型。提出了一种从时序数据中构建基因调控网络的方法,克服了贝叶斯网络不能描述循环调控的缺陷,也从规模上简化了网络构建问题。通过与相关实验文献的对照,验证了提出方法的有效性,网络学习时间明显缩短,网络结构更加稳定。     

整数非线性规划模型在乳腺癌转移相关基因表达调控网络建立中的应用

利用乳腺癌转移基因表达数据的熵信息确定基因权重,建立以误差最小为目标函数的整数非线性规划模型推测基因之间的调控关系,并通过相关系数模型筛选调控基因.利用软件LING08.0和MATLAB7.0编程求解,得到27个乳腺癌转移相关基因的调控网络,其中25对基因存在调控关系,有11对存在相互促进的双向调控作用.整数非线性规划模型能较好地刻划乳腺癌转移相关基因调控关系,可用于更复杂的基因调控网络的研究.     

S系统及时序布尔网络模型构建鼠疫耶尔森菌基因调控网络的初步研究

目的应用S幂率系统构建鼠疫耶尔森菌小尺度基因调控网络。方法收集鼠疫耶尔森菌基因时间序列表达数据,数据经预处理后,分别用布尔网络模型和S幂率系统网络模型构建小尺度基因调控网络,并对两个网络结构进行比较。结果应用布尔网络模型构建的小尺度基因调控网络中存在2种基因调控模式,而应用S幂率系统网络模型构建的小尺度基因调控网络中存在4种基因调控模式。结论 S幂率系统可用于构建基因调控网络模型。     

利用决策森林构建复杂疾病驱动的基因网络

目前,癌症、糖尿病、心脏病、高血压等复杂疾病严重危害着人类的生命和健康,这些疾病并不是由孤立的单个基因发生改变所致,而是多基因联合作用的结果.从系统生物学的角度出发,针对以往基因网络重构算法非疾病驱动的问题,提出了一种利用决策森林构建复杂疾病驱动的基因网络的算法,着重关注基因间的协同作用与复杂疾病发病机理的关系.通过对结肠癌基因芯片数据的分析,识别出66个与结肠癌显著关联的基因互作,其中大部分互作关系参与细胞增殖、细胞凋亡、细胞分化、有丝分裂和免疫等与癌症密切相关的生物过程中.该方法从基因互作和通路的角度为系统研究疾病的遗传复杂性提供了一个崭新的思路.     

基于WGCNA构建食管鳞癌免疫相关基因预后模型北大核心CSCD

目的:采用加权基因共表达网络分析(WGCNA)筛选食管鳞癌(ESCC)预后相关免疫相关基因(IRG),构建预后模型,为ESCC患者预后预测提供依据。方法:从TCGA数据库下载81例ESCC及11例正常食管组织的全转录组数据及对应样本临床数据,筛选差异表达IRGs。采用WGCNA、单因素Cox回归和多因素Cox回归分析构建ESCC预后模型,绘制受试者工作特征曲线(ROC)及Kaplan-Meier(K-M)曲线评价模型,单因素Cox回归和多因素Cox回归分析评价模型是否可成为独立预测因子。结果:筛选出545个差异表达IRGs,其中383个上调,162个下调。单因素Cox回归分析得到6个预后相关IRGs,多因素Cox回归分析得到4个预后相关IRGs(SLC40A1、IGHA2、STC2、NR2F2)用于构建预后风险模型。K-M曲线显示,高风险组患者总生存期(OS)显著低于低风险组(P<0.01)。多因素Cox回归分析表明,预后风险模型可作为一个独立预后因素(HR=1.133,P<0.01)。结论:本模型具有较高的准确性,可作为ESCC患者预后的独立预测因子。     

p53基因网络王国

抑癌基因p53作为多种细胞应激与细胞应答的中间环节,与其上下游的各种调控因子及相 关基因共同构成了一个错综复杂的信号传导通路。上游:DNA损伤、缺氧、原癌基因激活、核苷酸衰竭、 端粒缩短等因素均可激活p53的功能网络;中游:p53的功能活性受mdm2(mouse double minus 2)、 p14ARF(alternative reading frame)、共价修饰、蛋白质与蛋白质的相互作用等多种相互联系又相互制约 的因素的调控;下游:p53肩负着介导细胞周期阻滞、促进细胞凋亡、维持基因组稳定、抑制肿瘤血管发 生等多种功能使命,在整个机体组织细胞的生长、发育、分化过程中起着举足轻重的作用。因其功能的 多样性及与肿瘤发生发展的高度相关性,p53已成为肿瘤发生机制研究及基因治疗的-个重要靶点。因 此,作为细胞内信号传递网络的核心之一,深入理解p53基因网络的各个层面将对细胞生长代谢调控 研究及肿瘤遗传学研究大有裨益。     

基于多目标评价方法的乳腺癌易感基因排序及其网络表达研究

目的 利用已有的研究结果和数据,采用多目标评价方法建立乳腺癌易感基因评价模型,对与已知乳腺癌基因关系密切的其它基因进行分析和排序,并给出结果的网络表达模式.方法 通过分析已有的文献,并利用有关的基因数据库和已有文献中的数据,提炼出乳腺癌易感基因的多目标评价体系,构建基于加权和法的乳腺癌易感基因评价模型,并利用Cytoscape软件进行评价结果计算和评价结果的网络模式表达.结果 利用多目标模型所得到的评价结果,与已有的研究结果一致.其中,乳腺癌易感基因TopBP1排名第二,已知乳腺癌候选易感基因HMMR排名第六.结论 文章提出的多目标评价模型能够准确评价被选基因与乳腺癌易感性之间的关系,所提出的评价方法与相关软件结合使用,将成为癌症易感基因研究方面有效的分析方法和途径.     

基于贝叶斯网络的临床信息模型检索方法研究:以HL7 V3为例

临床信息模型的可复用性是实现健康医疗信息互联互通和共享的重要基础,检索并识别出临床信息模型中可复用的对象是提高复用性的一种有效途径。以HL7.org发布的HL7V32017标准版本为研究对象,应用扩展的4层贝叶斯网络表征该临床信息模型,在简单贝叶斯网络的基础上增加分层消息描述(HMD)之间语义相似性的扩展层,通过网络的逐层概率推演识别出可复用的临床信息模型。实验设计“就诊预约”、“实验室结果”和“病人实体”等3个检索任务,并应用平均精度均值MAP、平均精度AP和截止点准确率等3个指标以评价检索方法的性能。最终构建含有3428个节点和22646条边的4层贝叶斯网络,自上而下依次为数据元素层、HMD层、重复的HMD层和消息类型层,各层节点数量分别为2177、422、422和407。检索结果显示,MAP值达到了0.382,在第3、第5和第10截止点的平均准确率分别达到77.8%、60.0%和46.7%;该方法不仅可以检索出通用型和领域型两类可复用模型,还能够发现临床语义切实相关的对象(例如检索“就诊预约”时返回的“预约更新通知”对象)。所提出的方法将有助于提高HL7V3信息模型的复用性,并促进临床信息标准的国际化建设,同时对其他临床信息模型检索方法的优化和改进存在一定的借鉴意义。     

蚁群优化算法构建乳腺癌中miRNA调控的关键基因互作网络

目的筛选ER阳性乳腺癌中受miRNA调控的关键基因,以此构建乳腺癌中miRNA-mRNA互作网络,进而了解ER阳性乳腺癌的调控机制,为筛选ER阳性乳腺癌诊断预后的生物标志物和治疗靶点打下基础。方法利用MCF-7细胞系的AGO-IP(HITS-CLIP Protocol for Argonaute)高通测序实验数据,发现miRNA对mRNA的真实调控关系,并以此构建基于RNAs诱导的沉默复合体(RNA-induced silencing complex,RISCs)miRNA-mRNA调控模组。根据调控模组利用蚁群优化算法在基因互作网络中筛选关键基因,构建ER阳性乳腺癌中miRNA调控下的关键基因互作网络,并对关键基因进行功能分析。结果本研究筛选出106个关键基因,244个调控关键基因的miRNA。根据乳腺癌中miRNA调控的关键基因互作网络识别出了 YWHAG、EP300、CHEK1、SMAD2、SMAD1、SYK、FGFR1、PIK3R2、IRS1、TGFBR2、CHUK和CSDE1等12个hub基因;并发现了hsa-miR-940、hsa-miR-545-3p、hsa-miR-3065-5p、hsa-miR-15a-5p、hsa-miR-181b-5p、hsa-miR-16-5p、hsa-miR-765、hsa-miR- 4723-5p 、hsa-miR-454-3p、hsa-miR-374a-5p、hsa-miR-34a-5p、hsa-miR-30e-5p、hsa-miR-19a-3p、hsa-miR-15b-5p、hsa-miR-149-5p和hsa-miR-128-3p等16个hub miRNA。这些基因主要对肿瘤细胞的增殖、侵袭、化疗抗性、放疗抗性和耐药性起重要作用。结论本研究筛选出的关键基因及调控关键基因的miRNA对ER阳性乳腺癌的耐药性、化疗抗性、放疗抗性及肿瘤细胞的增殖、侵袭有重要调控作用,对ER阳性乳腺癌临床治疗及预后起到重要参考作用。     

Consensus and Meta-analysis regulatory networks for combining multiple microarray gene expression datasets

Microarray data is a key source of experimental data for modelling gene regulatory interactions from expression levels. With the rapid increase of publicly available microarray data comes the opportunity to produce regulatory network models based on multiple datasets. Such models are potentially more robust with greater confidence, and place less reliance on a single dataset. However, combining datasets directly can be difficult as experiments are often conducted on different microarray platforms, and in different laboratories leading to inherent biases in the data that are not always removed through pre-processing such as normalisation. In this paper we compare two frameworks for combining microarray datasets to model regulatory networks: pre- and post-learning aggregation. In pre-learning approaches, such as using simple scale-normalisation prior to the concatenation of datasets, a model is learnt from a combined dataset, whilst in post-learning aggregation individual models are learnt from each dataset and the models are combined. We present two novel approaches for post-learning aggregation, each based on aggregating high-level features of Bayesian network models that have been generated from different microarray expression datasets. Meta-analysis Bayesian networks are based on combining statistical confidences attached to network edges whilst Consensus Bayesian networks identify consistent network features across all datasets. We apply both approaches to multiple datasets from synthetic and real (Escherichia coli and yeast) networks and demonstrate that both methods can improve on networks learnt from a single dataset or an aggregated dataset formed using a standard scale-normalisation.     

Temporal abstraction and temporal Bayesian networks in clinical domains: A survey

ObjectivesTemporal abstraction (TA) of clinical data aims to abstract and interpret clinical data into meaningful higher-level interval concepts. Abstracted concepts are used for diagnostic, prediction and therapy planning purposes. On the other hand, temporal Bayesian networks (TBNs) are temporal extensions of the known probabilistic graphical models, Bayesian networks. TBNs can represent temporal relationships between events and their state changes, or the evolution of a process, through time. This paper offers a survey on techniques/methods from these two areas that were used independently in many clinical domains (e.g. diabetes, hepatitis, cancer) for various clinical tasks (e.g. diagnosis, prognosis). A main objective of this survey, in addition to presenting the key aspects of TA and TBNs, is to point out important benefits from a potential integration of TA and TBNs in medical domains and tasks. The motivation for integrating these two areas is their complementary function: TA provides clinicians with high level views of data while TBNs serve as a knowledge representation and reasoning tool under uncertainty, which is inherent in all clinical tasks.MethodsKey publications from these two areas of relevance to clinical systems, mainly circumscribed to the latest two decades, are reviewed and classified. TA techniques are compared on the basis of: (a) knowledge acquisition and representation for deriving TA concepts and (b) methodology for deriving basic and complex temporal abstractions. TBNs are compared on the basis of: (a) representation of time, (b) knowledge representation and acquisition, (c) inference methods and the computational demands of the network, and (d) their applications in medicine.ResultsThe survey performs an extensive comparative analysis to illustrate the separate merits and limitations of various TA and TBN techniques used in clinical systems with the purpose of anticipating potential gains through an integration of the two techniques, thus leading to a unified methodology for clinical systems. The surveyed contributions are evaluated using frameworks of respective key features. In addition, for the evaluation of TBN methods, a unifying clinical domain (diabetes) is used.ConclusionThe main conclusion transpiring from this review is that techniques/methods from these two areas, that so far are being largely used independently of each other in clinical domains, could be effectively integrated in the context of medical decision-support systems. The anticipated key benefits of the perceived integration are: (a) during problem solving, the reasoning can be directed at different levels of temporal and/or conceptual abstractions since the nodes of the TBNs can be complex entities, temporally and structurally and (b) during model building, knowledge generated in the form of basic and/or complex abstractions, can be deployed in a TBN.     

喉癌中EGFR基因扩增、表达及临床意义

目的研究喉癌中表皮生长因子受体(EGFR)基因的扩增、表达,探讨其在喉癌发生、发展中的作用及临床意义。方法采用差异PCR(differential PCR)方法检测40例喉鳞状细胞癌及配对癌旁正常组织中EGFR基因的扩增(即基因拷贝数增加);应用RT-PCR方法检测EGFR mRNA水平;应用SPSS13.0软件对数据进行统计学分析。结果喉癌组织中有13例(占32.5%)EGFR基因拷贝数增加,癌旁对照组中则未检测到(χ2=15.537,P<0.005);喉癌组织中EGFR mRNA平均积分光密度为872.356±62.340,癌旁对照组为346.425±57.380(t=5.959,P<0.001);喉癌组织分化程度越低,病理分期越晚,EGFR基因扩增和mRNA表达水平越高(P<0.05)。结论喉癌中EGFR基因在DNA水平上的扩增是EGFR mRNA过表达的原因之一,EGFR的扩增和过表达在喉癌的发生、进展中发挥一定作用。     

脊髓性肌萎缩症的基因诊断及其应用研究

目的 对脊髓性肌萎缩症患者及携带者进行基因诊断和产前基因诊断.方法 对26例脊髓性肌萎缩症患者应用PCR-限制性片段长度多态性(PCR-restiction fragment length polymorphism,PCR-RFLP)技术检测SMN1基因第7外显子是否缺失;对于患者的父母应用多重PCR结合变性高效液相色谱(denaturing high performance liquid chromatography,DHPLC)的方法进行携带者诊断;而既往生产过患儿的孕妇于孕中期抽取羊水,进行产前基因诊断.结果 26例脊髓性肌萎缩症患者中查出25例存在SMN1基因第7外显子纯合缺失;患者的父母全部为SMN1基因第7外显子杂合缺失携带者;对20名既往生产过患儿的孕妇进行了产前诊断,8名存在SMN1基因第7外显子纯合缺失.结论 PCR-RFLP、多重PCR结合DHPLC技术可应用于患者及携带者基因诊断;PCR-RFLP可用于脊髓性肌萎缩症的产前基因诊断.     

脊髓性肌萎缩症的基因诊断及其应用研究

目的 对脊髓性肌萎缩症患者及携带者进行基因诊断和产前基因诊断.方法 对26例脊髓性肌萎缩症患者应用PCR-限制性片段长度多态性(PCR-restiction fragment length polymorphism,PCR-RFLP)技术检测SMN1基因第7外显子是否缺失;对于患者的父母应用多重PCR结合变性高效液相色谱(denaturing high performance liquid chromatography,DHPLC)的方法进行携带者诊断;而既往生产过患儿的孕妇于孕中期抽取羊水,进行产前基因诊断.结果 26例脊髓性肌萎缩症患者中查出25例存在SMN1基因第7外显子纯合缺失;患者的父母全部为SMN1基因第7外显子杂合缺失携带者;对20名既往生产过患儿的孕妇进行了产前诊断,8名存在SMN1基因第7外显子纯合缺失.结论 PCR-RFLP、多重PCR结合DHPLC技术可应用于患者及携带者基因诊断;PCR-RFLP可用于脊髓性肌萎缩症的产前基因诊断.     

脊髓性肌萎缩症的基因诊断及其应用研究

目的 对脊髓性肌萎缩症患者及携带者进行基因诊断和产前基因诊断.方法 对26例脊髓性肌萎缩症患者应用PCR-限制性片段长度多态性(PCR-restiction fragment length polymorphism,PCR-RFLP)技术检测SMN1基因第7外显子是否缺失;对于患者的父母应用多重PCR结合变性高效液相色谱(denaturing high performance liquid chromatography,DHPLC)的方法进行携带者诊断;而既往生产过患儿的孕妇于孕中期抽取羊水,进行产前基因诊断.结果 26例脊髓性肌萎缩症患者中查出25例存在SMN1基因第7外显子纯合缺失;患者的父母全部为SMN1基因第7外显子杂合缺失携带者;对20名既往生产过患儿的孕妇进行了产前诊断,8名存在SMN1基因第7外显子纯合缺失.结论 PCR-RFLP、多重PCR结合DHPLC技术可应用于患者及携带者基因诊断;PCR-RFLP可用于脊髓性肌萎缩症的产前基因诊断.     

脊髓性肌萎缩症的基因诊断及其应用研究

目的 对脊髓性肌萎缩症患者及携带者进行基因诊断和产前基因诊断.方法 对26例脊髓性肌萎缩症患者应用PCR-限制性片段长度多态性(PCR-restiction fragment length polymorphism,PCR-RFLP)技术检测SMN1基因第7外显子是否缺失;对于患者的父母应用多重PCR结合变性高效液相色谱(denaturing high performance liquid chromatography,DHPLC)的方法进行携带者诊断;而既往生产过患儿的孕妇于孕中期抽取羊水,进行产前基因诊断.结果 26例脊髓性肌萎缩症患者中查出25例存在SMN1基因第7外显子纯合缺失;患者的父母全部为SMN1基因第7外显子杂合缺失携带者;对20名既往生产过患儿的孕妇进行了产前诊断,8名存在SMN1基因第7外显子纯合缺失.结论 PCR-RFLP、多重PCR结合DHPLC技术可应用于患者及携带者基因诊断;PCR-RFLP可用于脊髓性肌萎缩症的产前基因诊断.     

脊髓性肌萎缩症的基因诊断及其应用研究

目的 对脊髓性肌萎缩症患者及携带者进行基因诊断和产前基因诊断.方法 对26例脊髓性肌萎缩症患者应用PCR-限制性片段长度多态性(PCR-restiction fragment length polymorphism,PCR-RFLP)技术检测SMN1基因第7外显子是否缺失;对于患者的父母应用多重PCR结合变性高效液相色谱(denaturing high performance liquid chromatography,DHPLC)的方法进行携带者诊断;而既往生产过患儿的孕妇于孕中期抽取羊水,进行产前基因诊断.结果 26例脊髓性肌萎缩症患者中查出25例存在SMN1基因第7外显子纯合缺失;患者的父母全部为SMN1基因第7外显子杂合缺失携带者;对20名既往生产过患儿的孕妇进行了产前诊断,8名存在SMN1基因第7外显子纯合缺失.结论 PCR-RFLP、多重PCR结合DHPLC技术可应用于患者及携带者基因诊断;PCR-RFLP可用于脊髓性肌萎缩症的产前基因诊断.     

脊髓性肌萎缩症的基因诊断及其应用研究

目的 对脊髓性肌萎缩症患者及携带者进行基因诊断和产前基因诊断.方法 对26例脊髓性肌萎缩症患者应用PCR-限制性片段长度多态性(PCR-restiction fragment length polymorphism,PCR-RFLP)技术检测SMN1基因第7外显子是否缺失;对于患者的父母应用多重PCR结合变性高效液相色谱(denaturing high performance liquid chromatography,DHPLC)的方法进行携带者诊断;而既往生产过患儿的孕妇于孕中期抽取羊水,进行产前基因诊断.结果 26例脊髓性肌萎缩症患者中查出25例存在SMN1基因第7外显子纯合缺失;患者的父母全部为SMN1基因第7外显子杂合缺失携带者;对20名既往生产过患儿的孕妇进行了产前诊断,8名存在SMN1基因第7外显子纯合缺失.结论 PCR-RFLP、多重PCR结合DHPLC技术可应用于患者及携带者基因诊断;PCR-RFLP可用于脊髓性肌萎缩症的产前基因诊断.