基于改进型动态贝叶斯网络的

清华大学综合论文训练题目：基于改进型动态贝叶斯网络的基因调控网络建模方法的研究与实现系别：计算机科学与技术系专业：计算机科学与技术专业姓名：孙欣指导教师：邓志东教授2006年 6 月 15 日一、关于学位论文使用授权的说明本人完全了解清华大学有关保留、使用学位论文的规定，即：学校有权保留学位论文的复印件，允许该论文被查阅和借阅；学校可以公布该论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存该论文。

(涉密的学位论文在解密后应遵守此规定)签名：导师签名：日期：中文摘要随着生物信息学的发展，基因调控网络的研究得到了人们越来越多的重视。

基因表达在转录水平上的调控，是把DNA中编码的遗传信息转化为功能蛋白的第一步。

因此，转录调控过程的研究在整个生物医学的研究中起到了至关重要的作用。

在近期的研究工作中，动态贝叶斯网络（DBN）成为基因调控网络建模的有力工具，显示了描述基因之间复杂调控关系的强大能力。

但是，由于绝大多数现有的工作都是同时使用所有的观测数据，对重构网络的结构和参数进行优化，所以微阵列表达数据中的时序特征并没有得到充分的发掘。

针对以上问题，本文提出了把粒子滤波（PF）方法引入动态贝叶斯网络框架中的算法，从微阵列表达数据中序贯的学习基因调控网络。

通过在啤酒酵母（Saccharomyces Cerevisiae）细胞周期微阵列表达数据上的检验，该算法被证明可以成功的捕捉表达数据中的动态特征。

实验结果表明，和前人的工作相比，该算法具有更高的准确性，可以更精确的表示出基因调控网络的结构。

关键词：基因调控网络、动态贝叶斯网络、粒子滤波方法、序贯学习、时序微阵列表达数据A BSTRACTWith the development of bioinformatics, the identification of gene regulatory network has been put more and more emphasis on. Actually, gene regulation on transcriptional level is the first step to transfer the genetic information encoded in DNA into functional proteins. Therefore, the research of gene regulatory network plays a vital part in the development of biomedical science.The use of dynamic Bayesian network (DBN) to represent gene regulatory activities is well spread recently, and demonstrates its ability to describe complex interactions between genes. Unfortunately, as most of the proposed methods optimize the structure and parameters using all the expression data at the same time, the temporary character of these expression data cannot be thoroughly captured.In order to solve the problem, we introduce a novel approach to incorporate particle filtering (PF) methods into the framework of DBN, which is able to sequentially learn the dynamic nature of gene transcriptional regulation. The algorithm is tested against the time-series microarray data of Saccharomyces Cerevisiae cell cycle, and is found to be well suited to capture the kinetic nature of gene regulation. The result is promising, which successfully present the structure of gene regulatory network with a higher accuracy compared to previous works.Keywords：gene regulatory networks, dynamic Bayesian network, particle filtering, sequential learning, time-series microarray data目录中文摘要 (I)ABSTRACT (III)目录 (V)第一章概述 (1)1.1选题的背景、目的和意义 (1)1.1.1 选题的背景 (1)1.1.2 目的和意义 (1)1.2国内外研究现状和发展趋势 (3)1.2.1 聚类分析 (3)1.2.2 系统生物学建模 (6)1.3本文的组织和章节安排 (8)第二章算法准备：贝叶斯网络与粒子滤波 (9)2.1引言 (9)2.2贝叶斯网络 (9)2.2.1 静态贝叶斯网络 (9)2.2.2 动态贝叶斯网络 (11)2.3粒子滤波方法 (12)2.3.1 基本粒子滤波器 (13)2.3.2 粒子滤波器的各种改进形式 (15)2.4小结 (17)第三章基于改进型动态贝叶斯网络的基因调控网络建模方法 (19)3.1问题描述 (19)3.2改进型动态贝叶斯网络 (22)3.2.1 贝叶斯网络框架 (22)3.2.2 基于粒子滤波的参数学习 (25)3.2.3 基于统计的结果处理方法 (27)3.3在基因调控网络建模中的应用 (28)3.3.1 基因表达谱数据集 (28)3.3.2 数据的预处理 (28)3.3.3 参数设置 (29)3.4实验结果及分析 (31)3.4.1 实验结果 (31)3.4.2 精度分析与讨论 (32)3.5小结 (33)第四章总结与展望 (35)4.1总结 (35)4.2值得进一步研究的问题 (35)插图索引 (I)表格索引 (III)参考文献 (V)致谢 (IX)声明 (XI)附录A 外文资料原文 (XIII)附录B 外文资料的调研阅读报告或书面翻译 (XXVII)第一章概述1.1 选题的背景、目的和意义1.1.1选题的背景生物信息学（bioinformatics）是分子生物学与计算机科学、应用数学等学科相互交叉而形成的一门新兴学科，是将计算机科学和数学、物理等方法应用于生物、医学、健康等信息的获取、加工、存储、分类、检索与分析过程中，以理解这些信息的生物学意义的学科。

随着人类基因组计划的顺利实施，以及各种后基因组计划的逐步展开，大量的生物分子原始数据开始涌现出来。

据估算，大约每15个月生物分子数据量就要增加一倍。

这些生物分子数据具有丰富的内涵，同时也隐藏着人类目前尚未完全掌握的生物学知识。

如何充分利用这些数据，通过对数据进行分析，揭示其中隐含的深层次含义，从而将其应用到对人类有益的方面，是全世界科学家们所面临的一个严峻挑战。

在这个过程中，计算机科学发挥了前所未有的重要作用。

和传统的生物学实验手段相比，使用计算方法处理这些数据，可以极大程度地降低时间和成本，而且通常具有更高的精确程度和综合分析能力。

这些都促进了生物信息学的迅速发展。

作为计算机科学和数学、物理等应用于分子生物学而形成的交叉学科，生物信息学已经成为基因组研究中强有力的、必不可少的研究手段。

显而易见，基因组研究乃至整个生物信息学的发展，对人类社会都将产生深远的影响。

在我国，生物信息学随着人类基因组研究的展开才刚刚起步，但已显露出蓬勃发展的势头。

生物信息学作为基因组研究的有力武器，被广泛地应用于生命科学研究的多个方向，推动着研究的前进步伐。

1.1.2目的和意义通常意义上，我们把生物系统分为静态和动态两个组成部分。

静态部分包括基因组中的所有基因，而动态部分则包括了这些基因之间的相互作用关清华大学综合论文训练系。

随着大规模基因组测序技术的成熟，以及结构基因组的发展，目前有关动态部分，即基因调控网络的研究得到了越来越多的重视。

基因表达在转录水平上的调控，是把DNA中编码的遗传信息转化为功能蛋白的第一步。

因此，转录调控过程的研究在整个生物医学的研究中起到了至关重要的作用。

单个基因的转录需要RNA聚合酶（RNA-polymerase）识别相应的启动子区域。

RNA聚合酶是一种超分子的（supramolecular）转录机器，通过通常结合在启动子上游调控序列的转录因子（TFs，transcription factors）募集到相应基因的启动子区域。

某个基因的表达被开启或关闭，取决于相应的转录因子被开启或关闭。

因此，研究基因表达的问题，也就转化为研究一个复杂的基因相互作用网络中，各个基因之间调控彼此表达水平机制的问题。

这个问题吸引了各个领域的研究者，从多个尺度上来分别研究基因调控的内在机制。

目前的研究范围包括单个基因的转录、少数基因组成的调控模块的转录和相互调控机制，以及大型遗传和生物分子网络的调控等。

基因调控网络的研究具有相当重要的意义。

首先，研究基因调控网络可以帮助我们更好地理解生物基因转录、翻译的深层调控机制。

现代生物学实验手段的飞速发展，给科学家们提供了大量的生物学实验数据。

但与此同时，解释这些数据的理论体系却相对不够完善，这在一定程度上影响了生物科学的进一步发展。

如果能够弄清基因组中各个基因之间的调控关系，不但有助于更深层次的生物学理论研究，还可以更有针对性地选做实验，以较小成本获得有价值的信息。

其次，基因调控网络结构的改变是细胞分化和肿瘤生成等生物现象的深层原因。

因此，把握整个基因调控网络的结构，对于研究这些生物现象，将提供了理论上的依据和支持，同时也有助于医学专家从病理角度发现控制、治疗肿瘤的方法。

最后，了解基因调控网络可以帮助我们更有针对性地进行药物设计。

举例来说，通过研究基因调控网络，我们发现基因A对基因B的表达有抑制作用，同时现有研究表明，基因B的过量表达是导致某种疾病C的直接原因之一，而基因A的表达程度对人体健康几乎没有影响。