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。

肿瘤特征基因筛选与调控网络构建

提出了一种肿瘤特征基因筛选和基因调控网络的构建方法。首先提取在肿瘤组织和正常组织中表达差别明显的277个基因,通过P-tree决策树方法找出多组肿瘤特征基因,然后结合现有文献中已被实验验证参与了肿瘤形成过程的基因,利用相关系数方法在肿瘤特征基因集中选出与之共通路的基因子集,并用贝叶斯网络方法建立基因间的调控关系,从而建立对肿瘤特征基因间调控关系的预测模型。