[发明专利]一种基于贝叶斯网络推理的基因间交互关系挖掘方法

说明书

本发明提供一种基于贝叶斯网络推理的基因间交互关系挖掘方法，包括以下步骤：1、利用高斯核概率密度估计量估测熵的方法，计算基因与基因间、基因与表型性状间以及表型与表型性状间互信息；2、利用三阶段依赖分析贝叶斯网络结构学习方法，构建包含基因与表型性状节点的贝叶斯网络；3、利用贝叶斯估计参数学习方法进行参数学习，得到节点间条件概率表；4、利用吉布斯抽样贝叶斯网络近似推理方法计算不同个数的基因与表型性状间条件概率，根据计算结果大小得到影响特定表型性状的基因间交互关系。本发明可以帮助生物学研究者获得影响特定表型性状的上位性基因位点，进而辅助基因功能挖掘，以及为不同物种的复杂数量性状的遗传基础解析提供借鉴。

技术领域

本发明涉及生物信息技术领域，尤其涉及一种基于贝叶斯网络推理的基因间交互关系挖掘方法。

背景技术

生物信息学是一门通过综合运用生物学(如结构生物学、生物化学、遗传学等)，计算机科学(人工智能、机器学习等)，数学(概率与统计等)等多门学科而获知海量生物数据背后奥秘的交叉学科。它综合运用各种算法、软件等对大量生物数据进行分析和处理，进而挖掘隐藏在数据背后的生物学规律。疾病是影响人类健康最重要的因素，疾病可以分为简单疾病和复杂疾病。目前大多数疾病都是属于复杂疾病，比如阿兹海默症、哮喘、帕金森氏症、骨质疏松症、结缔组织病等。虽然复杂疾病不遵循孟德尔遗传规律，但疾病易感性在一定程度上可以由基因因素进行解释，拥有某种易感性基因的人更有可能得病。因此，疾病的致病基因挖掘是目前生物信息学领域研究的热点问题之一。

近年来，随着诸多高通量技术的成熟与迅猛发展，产生了海量的生物数据，如基因组、转录组和表型组等。从全基因组数据范围内挖掘影响特定表型性状(如人类疾病、作物产量性状等)的基因位点变得可能，这也成为当今生命科学领域具有挑战的研究课题。全基因组关联研究(Genome-Wide Association Study,GWAS)是常用的在全基因组范围内筛检出与表型显著关联的单核苷酸多态性(Single Nucleotide Polymorphism，SNP)的方法。这种方法在单基因病(即符合孟德尔遗传规律)方面效果良好，能够发现一些致病基因，从而揭示此类疾病的遗传机理。然而，这种方法主要侧重于检测主效基因，并不适用于不符合孟德尔遗传规律的复杂疾病的遗传机理解析。从此，研究者开始转向多基因位点研究，主要包括基因与基因之间的相互作用或基因与环境之间的相互作用对疾病的影响，进行关联分析。目前越来越多的研究表明，基因间的相互作用(即上位性)是影响人类复杂疾病很重要的原因，也被业界认为是遗传性缺失的重要原因，研究者对上位效应的研究兴趣也日益浓厚。然而由于基因-基因、基因-环境相互作用等不符合孟德尔遗传规律，给研究者也带来了很大的困难与挑战。需要研究者以往科学研究的基础上提出一些新的理论和方法，这也给机器学习和数据挖掘方法以用武之地。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于贝叶斯网络推理的基因间交互关系挖掘方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于贝叶斯网络推理的基因间交互关系挖掘方法，包括以下步骤：

步骤1、获取基因表达量和特定表型数据，对其进行正态化处理，利用高斯核概率密度估计量估测熵的方法，分别计算基因与基因间、基因与表型性状以及表型与表型性状间互信息；

步骤2、在计算节点间互信息和条件互信息的基础上，利用三阶段依赖分析贝叶斯网络结构学习方法，构建包含基因与表型性状节点的贝叶斯网络结构；

步骤3、在步骤2中构建的包含基因与表型性状节点的贝叶斯网络结构网络图的基础上，利用贝叶斯网络参数学习方法学习得到各个节点的条件概率，得到条件概率表；

步骤4、在步骤3所得条件概率表的基础上，利用吉布斯抽样贝叶斯网络近似推理方法计算不同个数的基因与表型性状间条件概率，根据计算结果大小得到影响特定表型性状的基因间交互关系。