基于Attention Bi-LSTM模型构建蛋白质诱饵序列库

利用计算机技术在海量质谱数据中鉴定蛋白质序列是蛋白质组学研究最基本且重要的任务之一,诱饵序列库构建的好坏是蛋白质鉴定质量控制成功的关键之一。发展了基于注意力机制-双向长短期记忆神经网络(Attention Bi-LSTM)的诱饵序列构建方法,整体研究基于编码-解码框架,采用双向长短期记忆神经网络在解决传统循环神经网络梯度消失问题的同时,可以捕获前向后向更多依赖信息对处理序列数据更加有优势;引入注意力机制提高模型对目标序列库和诱饵序列库相关程度的关注度;并与目前常用的随机和反转算法进行比较。结果显示,基于Attention Bi-LSTM模型构建的诱饵序列库能满足理想诱饵序列库的各项特征要求;在不同大小实验数据集以及谱图、肽段、蛋白3个层面对比分析,显示构建的诱饵序列库与其他方法比具有更好的灵敏性。因此,Attention Bi-LSTM是一种很有潜力的诱饵序列库构建方法。

基于集成的共表达网络分析方法研究3种癌症的肿瘤相关模块

在肿瘤/癌旁基因表达数据中,差异表达(DE,differentialexpression)代表各种生物条件下基因表达水平的变化,而差异共表达(DC,differential co-expression)代表基因对之间相关系数的变化。单独的DC和DE研究方法已经被广泛应用于人类疾病研究中。但是,目前仍然缺乏有效整合DC和DE的分析方法。文中提出一个新颖的分析框架DC&DEmodule,该框架可以基于共表达模块整合DC和DE的特征,并同时整合多个肿瘤/癌旁表达谱的信息,用以识别与疾病相关的基因共表达模块,包括激活模块(肿瘤样本中上调且共表达增强)和失能模块(肿瘤样本中下调且失去共表达)。将该框架用于分析肝癌、胃癌和结直肠癌各两组微阵列数据,分别得到肝癌、胃癌和结直肠癌的2、5和2个激活模块以及5、5和1个失能模块。富集分析表明与同类方法相比,文中的方法在检测已知的肿瘤相关通路和发现新通路方面均具有更高的灵敏度。然后,进一步从这3种癌症的激活模块中鉴定出17、69和11个模块关键基因,其中包含53个已报道的预后生物标志物以及3个分别与3种癌症存活率显著相关的新预后标志物。基于关键基因训练了3种癌症的随机森林模型,用于区分TCGA(The Cancer Genome Atlas)和GEO(Gene Expression Omnibus)数据库中的肿瘤和癌旁样本,结果显示其分类的平均准确性达到了93%。三种癌症的比较为不同癌症的共有和组织特异性机制提供了新的见解。一系列评估表明,DC&DEmodule框架能够整合公共数据库中快速积累的表达谱,发现更多疾病中功能失调的生物过程。