[发明专利]一种基于动态贝叶斯网络的基因调控网络构建方法无效

申请号：	201010567992.8	申请日：	2010-12-01
公开（公告）号：	CN102013039A	公开（公告）日：	2011-04-13
发明（设计）人：	吴剑丙;陈喆;钱永生	申请（专利权）人：	杭州师范大学
主分类号：	G06N3/12	分类号：	G06N3/12
代理公司：	杭州天正专利事务所有限公司 33201	代理人：	王兵;王利强
地址：	310036 浙江***	国省代码：	浙江;33
权利要求书：	查看更多	说明书：	查看更多
摘要：
搜索关键词：	一种基于动态贝叶斯网络基因调控构建方法
钻瓜网技术展会专利词库专利权人专利榜在售专利公布日期热门专利

【说明书】：

技术领域

本发明涉及生物技术领域，涉及基因调控网络构建方法。

背景技术

探索和发现基因之间的调控关系与相互作用机制是生命科学中的研究热点和前沿主题，而从基因表达数据推理出基因调控网络是其研究方向之一。基因调控网络是一个复杂的非线性系统，从对基因间相互影响和联系的建模角度看，它是一个由节点(代表基因)和有向边(代表调控作用及方向)组成的一个有向图。

目前构建基因调控网络主要有布尔网络、微分方程和贝叶斯网络等方法, 这些方法都在不同层次上对真实的调控网络进行了抽象化。布尔网络是定性研究基因调控网络，而微分方程又是通过精细的数学分析来量化描述生物过程，但缺乏抗噪声能力，计算量大，鲁棒性能不佳。贝叶斯网络模型是这两个极端的折中。利用贝叶斯网络构建基因调控网络是目前生物信息学研究的热点。

现有的贝叶斯网络构建基因调控网络存在的缺陷：复杂度较高、重建性能较差、实用性差。

发明内容

为了克服已有贝叶斯网络的基因调控网络构建方法的复杂度较高、重建性能较差、实用性差的不足，本发明提供一种有效降低复杂度、提升重建性能、实用性强的基于动态贝叶斯网络的基因调控网络构建方法。

本发明解决其技术问题所采用的技术方案是：

一种基于动态贝叶斯网络的基因调控网络构建方法，包括以下步骤：

步骤一：获取基因表达的时间序列数据；

步骤二：时间序列数据采用离散化方法，离散成数个表达水平；

步骤三：设定基因调控网络的时间延迟；

步骤四：利用动态贝叶斯网络的结构学习算法采用最大似然法，推导基因调控网络；其具体过程为：首先，通过调用贝叶斯网络的推理算法填充数据集，将不完备数据下的结构学习问题转换为较容易解决的完备数据下的结构学习问题，所述最大似然算法分为结构搜索和参数学习两步，进行结构搜索时，使用期望充分统计因子代替不存在的充分统计因子，使打分函数具有可分解形式，再进行局部搜索，发现得分更高的网络结构；然后在选定的网络结构上寻找使得分最大的参数，得到基因调控网络结构。算法使用BNT软件包（下载地址：http://www.cs.ubc.ca/~murphyk/Software/BNT/bnt.html）。

作为优选的一种方案：所述构建方法还包括以下步骤：步骤五：调控网络图形化展示并进行结构分析。

作为优选的另一种方案：所述构建方法还包括以下步骤：步骤六：对感兴趣的基因调控关系进行实验验证。

进一步，所述步骤二中，将时间序列数据采用百分位离散化。

再进一步，所述步骤六中，验证过程如下：

利用核糖核酸干扰（RNAi）技术敲低Agrp基因，然后利用实时定量反转录聚合酶链式反应技术对下游基因Tyr和Trp1两个基因进行定量检测。

本发明的技术构思为：贝叶斯网络是一种基于概率推理的网络模型，是由节点(代表变量)及连接节点的有向边(代表节点间的相关关系，并由条件概率表达)构成的有向无环图。将贝叶斯网络推广到时间过程则是动态贝叶斯网络。动态贝叶斯网络适合于分析时间序列之间的统计相关关系从而推导基因调控网络。

根据基因调控网络的特点，从基因表达的时间序列数据出发，利用动态贝叶斯网络的结构学习算法，推导基因调控网络。是一种可行的基于基因表达的时间序列数据建立基因调控网络的生物信息学方法，可直接预测基因的调控关系网络，以便于进一步的生物学实验验证。

本发明的有益效果主要表现在：通过数据的初始化处理, 降低了动态贝叶斯网络的结构学习的复杂度。同时我们的方法能很好地描述基因表达水平随时间上升与下降的变化趋势，并推理这些趋势之间的相关关系来重建基因调控网络。较大幅度地提高了基因调控网络的重建性能从而更好地构建出基因调控网络。

附图说明

图1是基于动态贝叶斯网络的基因调控网络构建方法的流程图。

图2是动态贝叶斯网络的图形化结果的示意图。

图3是对于预测的调控关系，利用核糖核酸干扰（RNAi）和实时定量反转录聚合酶链式反应（real-time RT-PCR）技术对下游基因进行定量验证的示意图。