[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

说明书

本发明涉及一种基于跨平台基因表达数据的基因调控网络重建方法，根据跨平台基因表达数据的特点，通过获取来自p个测序平台基因表达数据，并进行预处理，然后从每个基因样本中抽取n个基因表达量，并基于偏相关系数的混合型条件独立性测试得到每个基因表达量的父子节点集，将其应用于跨平台因果网络结构学习的学习网络骨架、确定v‑结构和最大化标志方向三个过程中，从而重建出跨平台基因调控网络，本发明利用因果图模型解决跨平台基因调控网络的问题，能直接有效地利用跨平台基因表达数据进行高维的基因调控网络重建的同时，避免数据预处理过程导致的数据过度平滑等问题，提高了跨平台基因调控网络重建结果的正确率和召回率。

技术领域

本发明涉及一种生物信息处理技术领域，尤其是一种基于跨平台基因表达数据的基因调控网络重建方法。

背景技术

基因调控网络是反映基因之间相互影响关系的复杂网络，它对研究生命现象的内在规律有非常重要的作用，利用基因表达数据发现基因调控关系是生物信息学中的一个挑战。随着基因微阵列技术的快速发展，目前已有出现多种基因测序平台，但是由于测序平台的不一，实验环境差异等问题，导致在不同测序平台下产生的基因表达数据往往存在无法直接比较、维度高等问题。典型的基因调控网络重建方法多适用于单平台的基因表达数据，应用于这样的跨平台基因表达数据表现并不理想。因此，整合利用不同测序平台产生的基因表达数据进行基因调控网络重建是目前的研究焦点之一。

为了解决不同平台之间基因表达数据不能直接比较的问题，比较常用的方法是通过数据标准化的方法，把不同平台的基因表达数据按照一定的规则拉升或者压缩到统一个数据范围内，转换后可将不同平台的数据合并为一个基因表达数据矩阵，使得不同平台的样本数据可以整合到一起进行分析。常见的数据标准化方法包括Shabalin提出的XPN方法，Benito的DWD方法、经验贝叶斯方法(ComBat)等等。

然而，这些数据标准化技术往往会带来数据过度平滑的问题，基因表达数据上的生物信号可能会在数据标准化的过程中被删除，导致跨平台基因调控网络重建结果并不理想，所以数据标准化并不是处理跨平台基因表达数据的最佳方式。设计一种适用于跨平台基因表达数据的基因调控网络重建的方法具有重要的研究意义。

基因之间的调控关系可以表示为基因之间的因果关系，基因调控网络即基因之间的因果网络。所以因果图模型可以很好地解决基因调控网络的重建问题，近年来也有不少基于因果网络结构学习方法的基因调控网络重建的研究，这些方法应用于单个测序平台的基因表达数据的实验结果也有不错的表现。对于跨平台基因表达数据，将测序平台作为因果图模型中的外生变量引入基因调控网络重建模型中，与使用数据标准化技术相比，避免了数据过度平滑的问题，是一个值得探究的新思路。

发明内容

针对现有技术的不足，本发明提供一种基于跨平台基因表达数据的基因调控网络重建方法。

本发明的技术方案为：一种基于跨平台基因表达数据的基因调控网络重建方法，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}；