一种流形正则化非负矩阵分解的lncRNA-疾病关系预测方法

长链非编码RNA(lncRNA)在疾病的发生中起着重要作用,然而通过生物学实验探索lncRNA与疾病的关系昂贵且费时,必须开发出更准确和有效的计算方法来预测lncRNA与疾病的关系.本文提出了一种新的基于流形正则化非负矩阵分解的计算方法(MRNMFLDA)来预测lncRNA与疾病的关系.该方法首先采用相似性网络融合方法分别整合lncRNA与疾病的相似性,然后通过构建标签加权矩阵、引入流形正则化约束的非负矩阵分解算法来预测lncRNA与疾病潜在的关系.实验结果表明,本方法在留一交叉验证和5折交叉验证中AUC值分别达到0.8927和0.8635±0.0054,优于其他4种方法.案例研究表明,本方法能够有效地预测与3种疾病(肺癌,宫颈癌,和骨肉瘤)有关系的lncRNA.

基于多组学的T-ALL差异基因筛选及分析

采用生物信息学方法分析急性T淋巴细胞白血病(t-cell acute lymphoblastic leukemia,T-ALL)患者转录组和表观遗传组的差异基因,以期筛选出该病的关键基因并探索其发病机制。从GEO与SRA数据库中下载T-ALL的RNA-seq、CTCF ChIP-seq、DNA甲基化数据,分别运用DESeq2、edgeR生物信息学分析软件筛选RNA-seq和ChIPseq数据的差异基因,运用CHAMP软件筛选DNA甲基化数据的差异基因。从RNA-seq数据、ChIP-seq数据和DNA甲基化数据中分别筛选出5887个、5315个和2196个差异基因,3组数据取交集后得到119个差异基因。构建基因相似性融合网络,筛选出基因间相互作用强且多的48个关键基因。对关键基因进行GO和KEGG通路的功能富集分析,并使用STRING数据库构建蛋白互作网络,借助Cytoscape软件筛选出8个核心基因(CTLA4、CD7、GPR29、CD5、CD247、IL2RB、FASLG和CD274)。经检索CGC与CTD数据库,均表明这8个核心基因有成为T-ALL生物标志物的潜力,为深入探索T-ALL的发病机制及研发相关靶向药物提供帮助。