基于非负矩阵分解技术探寻早期阿尔茨海默症基因表达调控网络

本文利用非负矩阵分解(NMF)技术,依据加强算法的稀疏性对患早期阿尔茨海默 症(Alzheimer’s Disease,AD)样本的基因表达数据进行了分析,提取了对疾病早期诊断具有重 要意义的显著基因,样本分类实验结果证明了算法的有效性。在此基础上,结合与炎症反应 有重要关系的 NF-κB 等基因初步建立了与早期 AD 密切相关的基因表达调控网络结构图, 为 AD 致病机理的探询、早期诊断与治疗等提供了有益的途径和方法。     

基于EFICA的AD微阵列数据基因网络分析

将EFICA(Efficient Variant of Algorithm FastICA)方法与基因网络相结合分析一组阿尔茨海默病(AD)微阵列数据.根据分类结果提取特征基因集并探寻与早期AD相关的基因网络,实验结果表明,EFICA方法比传统的Fastica方法能够获得更好的分类效果.并且通过对基因网络的研究,扩展了EFICA在生物信息学中的应用,为AD疾病的进一步研究提供新思路.     

阿尔茨海默症miRNA靶基因预测研究

为深入了解阿尔茨海默症的发病机制,利用匹配的基因表达数据和miRNA表达数据,对miRNA的靶基因进行预测分析.首先对选择出的差异表达miRNA进行靶基因预测;然后利用HCTarget算法验证预测的靶基因;最后对miRNA及其靶基因构建调控网络.调控网络中包含11个已确定的与AD有关的miRNA及6个AD致病基因.通过分析网络发现miRNA及其靶基因在正常与患病两种情况下的活性变化趋势,生物学分析也证实了它们在AD中的重要作用,为AD发病机制研究提供了依据.     

阿尔茨海默症三网动力学因果性分析

为深入探究阿尔茨海默症(Alzheimer’s disease, AD)对患者大脑功能网络之间因果性连接的具体损伤情况,采用非线性的因果性分析方法——收敛交叉映射方法,区别于传统的基于线性模型的脑网络分析方法,研究在静息状态下阿尔茨海默症对默认模式网络(DMN)、中央执行网络(CEN)和显著网络(SN)中各个脑区之间因果性连接的影响,以及这种变化与临床认知水平指标之间的关联性。研究结果显示,静息状态下阿尔茨海默症患者的DMN、CEN和SN网络脑区之间的因果性连接普遍降低,而DMN和CEN网络中的因果性连接变化与认知行为相关性较强。本文研究从动力学角度探索了阿尔茨海默症对大脑3个重要功能网络因果性连接的损伤情况,可为深入理解静息态下AD大脑内在的动力学变化特征提供帮助。     

基于突触可塑性探讨抗阿尔茨海默症作用机制的理论研究

本文运用网络药理学方法和分子对接技术,基于突触可塑性分析抗阿尔茨海默症的天然活性化合物及其作用机制.通过文献挖掘和数据库检索,获得22个突触可塑性相关蛋白和44个具有增强突触可塑性潜力的活性化合物.运用STRING数据库获得蛋白相互作用数据,借助Cytoscape 3.6.1可视化软件构建蛋白相互作用网络并分析,根据拓...     

阿尔茨海默症患者认同维持的叙事研究

利用在自然氛围下的谈话去理解阿尔茨海默症患者的自我意识和认同的产生、维系和保持。认为如果有人和阿尔茨海默症患者进行互动和交流,他们能持续表达他们的自我意识,维持他们的自我认同。运用生命历程模式,人们看到个人生命的主旋律主要取决于目前的选择和模式。这些选择和模式源于同时也基于更早的选择和经历。     

基于时序区分子图的阿尔茨海默症辅助诊断方法

为解决现有区分子图方法在解决阿尔茨海默症辅助诊断上忽略脑网络动态连接变化的问题,提出一种基于时序区分子图的辅助诊断方法.将功能磁共振成像经过处理后形成二值矩阵并使同一测试者的多张动态脑网络形成时序差异图,之后进行频繁差异子图挖掘、频繁差异序列挖掘,进而筛选出保留脑网络时序特性的生物标记物——时序区分子图.获取ADNI公开数据集的一组数据进行实验,通过与现有的早期阿尔茨海默症辅助诊断方法进行大量的实验对比,证明本文方法的辅助诊断准确率在该数据集上提高了12.7%,进而证明所提方法的有效性.     

基于动态贝叶斯网络的多时延基因调控网络构建

分子生物学的主要挑战是如何更好地理解基因间的调控机理。重构调控网络有助于探索生命系统的本质问题。目前,已提出的方法大多数都不考虑基因表达之间的时延,或者假定其时延是一个常量。这为深入理解基因调控的时-空机制带来了困难。现提出一个用连续DBNs构建具有多时延基因调控网络的方法,它可以系统地分析基因之间的调控关系。将其应用于酵母菌的转录调控网络中,结果显示,该方法能更好地估计转录时延,进一步提高了调控网络构建的精度。     

基于模糊核判别分析的基因表达数据分析方法

针对基因表达数据空间分布的特性,提出了一种基于模糊核判别分析的基因表达数据分析方法.方法综合了模糊数学以及核判别分析方法的优点,提高了对基因表达数据分类识别的准确性.以多发性骨髓瘤的基因表达数据为例进行了实验,从实验结果可以看出,采用模糊核判别分析方法可以得到最佳的识别效果.     

基于惩罚高斯混合模型的微阵列基因表达数据分析

 随着现代生物技术的发展,基于基因表达数据的肿瘤分型诊断已成为DNA微阵列的重要应用领域。提出一种基于基因表达数据的肿瘤分型诊断新方法,并在理论上给出模型解释。该方法通过对高斯混合模型加上一个L₁惩罚实现了肿瘤分类和信息基因选择的有机结合,从而用较少的变量达到更高的识别率。实验结果显示,无论是在模拟数据中还是五个微阵列数据集中,提出的方法都是高效稳定的。     

阿尔茨海默症海马区显微图像的分割算法

老年斑和神经元缠结的分割提取对于阿尔茨海默症病理研究有重要的意义.该文对阿尔茨海默症动物模型的脑彩色显微图像的目标分割和形态学参数统计的算法进行了研究.利用改进的模糊C均值算法对彩色图像的颜色信息进行聚类,分别提取了老年斑和神经元纤维缠结目标.再利用数学形态学方法对图像进行后续处理.实验表明,该文提出的综合算法能较好地提取阿尔茨海默症动物模型特征性病变的边界以及计算相应目标的形态参数.     

基于SOM网络的基因表达数据聚类分析

提出了用自组织映射(SOM)网络对生物信息学中基因表达数据进行聚类分析的方法。用SOM网络对酵母基因表达数据进行聚类。通过对映射结果的分析,表明SOM网络有较高的分类正确率,用于基因表达数据的聚类分析是行之有效的。     

基于NMF技术探寻早期AD基因表达调控网络

利用非负矩阵分解(NMF)技术,依据加强算法的稀疏性对患早期阿尔茨海默症(AD)样本的基因表达数据进行分析,提取对疾病早期诊断具有重要意义的显著基因,样本分类实验结果证明了算法的有效性.在此基础上,结合与炎症反应有重要关系的NF-κB等基因初步建立了与早期AD密切相关的基因表达调控网络结构图,为AD致病机理的探询、早期诊断与治疗等提供了有益的途径和方法.     

几种微阵列基因表达数据分析方法的比较

比较了微阵列基因表达数据处理中的几种方法,包括等级聚类、K-means方法、模糊聚类和自组织树．同时从算法中计算机的时空复杂度和结果的生物学意义两方面,对以上几种方法作了细致的讨论．结果显示,模糊聚类和自组织树都是较理想的方法．     

红参松花粉片对阿尔茨海默症大鼠空间学习记忆能力及海马神经细胞凋亡的影响

通过Aβ25-35 联合D-半乳糖诱导,建立实验性大鼠阿尔茨海默症 (Alzheimer’s disease,AD)模型,采用Morris水迷宫实验,评估红参松花粉片对AD模型大鼠学习记忆能力和海马神经细胞凋亡的影响．同时,运用Western blot、RT-qPCR及TUNEL法,检测AD模型大鼠海马神经细胞中BCL2、BAX、p-AKT及p-GSK3β的含量．研究表明:与模型组相比,红参松花粉片高剂量组能显著缩短模型大鼠逃脱潜伏期和游泳距离 (P<0.05),显著增加搜索时间百分比 (P<0.05);红参松花粉片高、低剂量给药组上调了AD模型大鼠海马神经细胞中Bcl-2、p-AKT及p-GSK3β的表达,下调了BAX的表达,显示AD模型大鼠海马神经细胞凋亡过程明显减缓,说明红参松花粉片能改善AD模型大鼠学习记忆的能力,对海马神经凋亡起到了一定的抑制作用．      

基于改进标记传播算法的基因表达谱数据分析

针对原始标记传播算法迭代次数过多和阈值选取的不确定性等问题,提出一种改进的标记传播算法,并将其应用于基因表达谱数据分析。首先将高维基因表达谱数据表示为权值矩阵,同时定义一个表示样本类别属性的标记序列,并将其中少量样本标记为已知;然后利用根据Gauss-Seidel迭代算法推导出的迭代公式更新标记序列,并证明标记序列的解的收敛性;最后采用正负标记的方式,根据标记序列各分量的符号差异实现数据类别的划分。通过白血病和结肠癌数据集实验,证明了本文方法的有效性。     

基于基因信息挖掘的阿尔茨海默症早期诊断

运用文献计量学方法,从基因挖掘的角度探究阿尔茨海默症早期诊断的研究进展。以国内外AD基因研究的相关文献为研究对象,将CNKI和WOS核心集数据库作为文献来源,从文献计量学视角对主要研究机构、研究主题等数据信息进行外部特征分析,基于知识图谱进行内部语义挖掘以探求该领域的研究脉络和发展方向。研究发现,国内外的研究热点集中于AD的诊治方面,主要体现在潜在生物标志物的发掘和基因体细胞的识别、与AD有关的其他退行性疾病的异病同症基因表达机制研究、探索丰富基因治疗手段等三大方面。基因芯片筛选技术(如miRNAs表达改变)、CRISPR/Cas9介导的基因编辑技术、基因学检测技术(如尝试长序列三代测序)等新技术的研发与应用将成为未来研究重点。     

基于小波的肿瘤基因表达数据聚类分析模型

运用小波的降噪性建立一种基于肿瘤基因表达谱的聚类分析模型,采用小波变换、信息抽取、双向聚类的方法对基因表达谱进行有效的分析.通过这种模型,可以降低基因表达谱的噪音以及样本错聚率.最后,将该方法应用于结肠癌基因表达谱的分析.     

共有基因模块构建大规模基因调控网络

目的 提出一种利用共有基因模块构建大规模基因调控网络算法(Common Gene Mod-ules Network,CGMN),有效降低传统基因调控网络构建基因节点规模较大的基因调控网络(包含几百个,甚至几千个基因节点)时时间复杂度过大的缺陷.方法 CGMN算法从基因表达数据出发,采用6种常用聚类算法把基因表达模式相似的基因聚类成功能模块,找出6种聚类方法的共有模块,并将其作为功能模块基因节点,采用局部贝叶斯网络(Local Bayesian Network,LBN)算法构建功能模块基因-基因调控网络.结果 与结论 大规模细胞周期基因表达数据集上仿真实验结果表明,搜索共有模块压缩基因节点数目策略,能够有效降低大规模基因调控网络重构时间复杂度,且验证了CGMN算法构建大规模基因调控网络的有效性.