[发明专利]一种基于跨平台基因表达数据的基因调控网络重建方法

权利要求书

1.一种基于跨平台基因表达数据的基因调控网络重建方法，其特征在于，包括以下步骤：

S1)、从GEO基因表达数据库中获取来自p个测序平台基因表达数据，其中，每个测序平台包括多个基因样本，分别对p个测序平台基因表达数据进行预处理，删除每个测序平台中基因表达量缺失过多的基因样本，

并将预处理后的p个测序平台基因表达数据合并得到基因样本量为m的基因样本集X＝{x₁,x₂,...x_m}，然后分别从基因样本集X＝{x₁,x₂,...x_m}的每个基因样本中抽取n个基因表达量，从而得到基因调控网络样本集G＝{g₁₁,g₁₂,...g_1n,g₂₁,g₂₂,...g_2n，…g_m1,g_m2,...g_mn}；

S2)、初始化基因调控网络，用因果网络图表示基因调控网络，其中，一个基因表达量对应图中的一个节点，平台变量用一个对所有基因表达量都有影响的外生节点d表示，将基因调控网络初始化为空图；

S3)、用混合型条件独立性测试检验基因表达量g_i与其他各基因表达量g_j之间的条件独立性，若条件独立性测试结果表明g_i和g_j没有被其他基因表达量d-分隔(有向分隔)，则将g_j加入到g_i的父子节点集PC(g_i)中，即PC(g_i)＝{g_j}；

S4)、重复步骤S3)，得到基因调控网络中每个基因表达量节点的父子节点集PC(g_i)；

S5)、根据各基因表达量的父子节点集PC(g_i)，若基因调控网络中的任意两个基因表达量g_i和g_j互相存在于对方的父子节点集中，则将g_i和g_j用无向边连接起来，得到基因调控网络图骨架；

S6)、逐个检查网络图骨架中具有g_i-g_j-g_k结构的任意三个基因表达量节点，根据混合型条件独立性测试的结果，确定是否存在v-结构，若混合型条件独立性测试的结果为g_i⊥g_k,则认为g_i,g_j,g_k之间构成了一个v-结构，则将图中这两条无向边的方向标记为g_i→g_j←g_k；

S7)、根据不产生多余的v-结构、无环约束规则对基因调控网络图中未标记方向的边进行最大化方向标记，直到不能标记更多无向边的方向为止；

不产生多余的v-结构的规则为：网络图中具有g_i→g_j-g_k结构的任意三个基因表达量节点，将g_j-g_k之间的边标记为g_j→g_k；

无环约束的规则为：网络图中两个相连节点g_i-g_j，若存在g_i指向g_j的有向路径，则将g_i-g_j标记为g_i→g_j；

S8)、输出跨平台基因调控网络。

2.根据权利要求1所述的一种基于跨平台基因表达数据的基因调控网络重建方法，其特征在于：步骤S3)中，所述的混合型条件独立性测试包括以下步骤：

S301)、判断基因表达量g_i,g_j在给定基因表达量g_K和平台时的条件独立性，用d表示平台变量，将g_i,g_j和g_K的样本数据抽取出来；

S302)、对每个平台测序下对应的g_i,g_j,g_K的样本数据，计算偏相关系数ρ_i,j|K，偏相关系数ρ_i,j|K可以通过线性回归计算得到，或者递归计算下面的公式得到，其中h∈K：

S303)、重复S302步骤，分别得到p个测序平台对应的偏相关系数集P_i,j|K＝{(ρ_i,j|K)₁,(ρ_i,j|K)₂,...,(ρ_i,j|K)_p}；

S304)、若这p个偏相关系数总体上为零，则g_i⊥g_j|[g_K,d]成立，然后对偏相关系数集P_i,j|K＝{(ρ_i,j|K)₁,(ρ_i,j|K)₂,...,(ρ_i,j|K)_p}的p个偏相关系数进行费雪z-转换，得到Z_i,j|K＝{z₁,z₂,...z_p}，其转换的公式为：

S305)、若成立，则基因表达量g_i,g_j在给定基因变量g_K和平台时条件独立，则表明基因表达量g_i,g_j被基因变量g_Kd-分隔(有向分隔)；

其中，N_q为第q个平台的样本数，Z为g_K的维度，Φ^-1(1-α/2,p)表示均值为0，均方差为p的正态分布累计函数的反函数。