胃癌模糊基因调控网络的构建

基因调控网络的研究是以系统的观点为出发点,从基因之间相互作用的角度揭示复杂的生命现象.生命体通过调节差异基因表达来控制其生长、遗传和变异行为.差异表达基因之间的相互作用是构建基因调控网络的纽带,网络中差异表达的基因可以揭示与癌症相关基因的信息.基因网络模型为深入理解生命本质提供了有益的参考,本文提出了一种新颖的方法来预测基因调控网络,即将模糊理论引入基因网络的构建中,阐述了模糊理论基因调控网络建模的机理并初步建立了胃癌模糊基因调控网络,对研究胃癌的发生和发展机理有重要的理论意义和应用价值.     

基因调控网络的控制:机遇与挑战

众所周知,基因调控网络（Genetic regulatory networks,GRNs）是一类基本且重要的生物网络.基因调控网络可以通过输入、噪声、参数以及正负反馈等进行功能的鲁棒性调节与控制.本文首先简要回顾了基因调控网络控制方面的若干研究进展,然后提出了一些与控制相关的基因调控网络的基本科学问题.基因调控网络的控制以生命科学为背景,以控制理论为理论基础.过去几十年,控制论的基本思想与方法逐步渗透到基因调控网络的研究中.同时,来源于生命科学的控制问题也为我们提出了新的机遇与挑战.基因调控网络的控制对生命科学中困扰人类的基本问题,如延长寿命、治愈癌症、糖尿病等顽疾有着非常重要的现实意义.此外,基因调控网络控制研究对合成生物学、网络医学、个性化医学等相关学科的发展具有潜在的应用价值.     

构建时延基因调控网络的多数据源融合算法

为了进一步提高基因调控网络构建的精确度,提出一种基于多数据源融合的时延基因调控网络构建算法.该算法基于递归模糊神经网络模型,使用时序互信息估计基因间的转录时延,并限制每个基因的潜在调控基因,从而有效提高建网的效率.在网络结构学习阶段,使用离散多目标粒子群优化(discrete multi-objective particle swarm optimization,dMOPSO)算法实现从时序基因表达数据和CHIP-chip数据共同构建基因调控网络.人工模拟数据和酵母菌细胞周期表达数据的实验结果表明该算法能正确选出潜在的调控基因,从而更加精确地构建基因调控网络.     

基于因果关系挖掘的概率基因调控网络的构建

科学的基因聚类方法是构建基因调控网络的前提,但仅以聚类作为构建网络的主要手段只能找到共同调控的基因,不能精确反映基因之间的相互作用过程。贝叶斯网络模型通过基于图的方式求得多变量之间条件独立的概率因果关系,但因其计算复杂性受到应用层面的限制。该文综合考虑几方面因素,在对基因进行聚类基础上,通过对调控关系的预测获得对目标基因的调控基因组,再利用LCD(local causal relation discovery)方法通过限制搜索条件发现基因间的独立关系,进而获得基因调控网络。实验结果表明了该方法的可行性和有效性。     

带有时变时滞的切换基因调控网络的稳定性

研究了带有时变时滞的切换基因调控网络的稳定性问题。和现有关于切换基因调控网络结果不同的是,切换基因调控网络包括稳定子系统和不稳定子系统。利用平均驻时方法和线性矩阵不等式技术,得到了带有时变时滞的切换基因调控网络指数稳定的判据。最后的仿真实例验证了结果的有效性。     

基于复杂网络模型的基因调控网络的计算模拟

随着大通量基因芯片数据的产生,基因调控机制的网络化研究需求日趋迫切。提出了基于复杂网络理论的基因调控网络的模拟方法,构建了基因调控网络模拟器GN-Simulator。通过分析真实基因调控网络的拓扑特性,提出了对应的矩阵模型,并充分考虑了网络的生物学鲁棒性和动力学稳定性,给出了人工基因网络的生成过程和计算模拟方法。计算实验表明,GN-Simulator能高效地模拟出与真实基因调控网络高度相似的大规模人工网络,并可为不同算法提供无偏验证的多样化人工模拟数据。     

进化基因调控网络的动力学特性分析

基于编码网络和动态特性的人工基因组模型,提出了一种可变长度的基因片段复制与歧化模型进化基因调控网络。应用分析和模拟技术,发现这类进化基因调控网络以更大的概率运转在有序状态,以更小的概率运转在混沌状态。结果表明,进化网络与生物网络有相近的动力学特性。     

单基因扰动实验的自适应灰关联聚类算法

为克服单基因扰动实验必须遍历所有实验基因所导致的周期长和成本高的缺点,提出了一个自适应参数的灰关联聚类算法,每次基因扰动实验后通过自适应参数灰关联聚类算法选择下一个实验基因,从而省略不必要的基因扰动实验,得到满意的基因扰动顺序并建立基因调控网络.实验结果表明,该算法能有效地甄别对构建基因调控网络基本没有影响的基因,算法结果令人满意.     

一种用于基因调控网络建模的CGP-WPSO混合算法

依靠基因调控网络来预测农作物的表现型,对于保障全球的粮食安全有着极其重要的意义。提出了一种基于笛卡尔遗传规划(Cartesian genetic programming)和线性递减惯性权重粒子群优化(linear decreasing inertia weightparticle swarm optimization)的混合算法,用于基因调控网络的建模。进一步,为了验证算法的有效性,将算法应用于拟南芥开花调控系统的模型重建问题。最后通过计算机仿真实验表明,该算法能够根据农作物的基因型和环境情况,重建出能够较精确地预测农作物表现型的基因调控网络模型。     

基于生物学中心法则的策略系统模型

通过对生物学中心法则、基因结构、基因表达调控等机理概念的描述,提出一种基于策略运行的系统模型。对规则、策略、策略组和子系统等概念进行形式化定义,分析它们在模型中的层次关系和网络特性,借助原核生物基因表达调控中操纵元概念举例说明一个基于策略运行的分布式检测监控系统。     

一种用于基因表达数据的无参数聚类算法

提出了一种用于基因表达数据的无参数聚类算法。该算法把多维数据的模糊聚类方法与CTWC相结合,并引入基于范数的方法进一步对该方法加以改进和论证。将该算法应用于真实的结肠癌基因表达数据集,确定了含8个基因的特征基因组合,该特征基因组合不仅达到了90%左右的结肠癌样本识别率,还能鉴别结肠癌样本的亚型。实验结果充分验证了这种算法的可行性。     

多类别肿瘤基因表达谱的自动特征选择方法

从信息学角度出发寻找肿瘤相关基因、发现肿瘤基因表达特征对肿瘤的诊断和治疗具有重要的生物学意义,而肿瘤与正常组织的分类是其中一个重要应用。根据多类别肿瘤基因表达谱,提出了一种自动特征选择方法。首先,结合非参数方法和filter思想,利用决策序列的随机性度量基因的权值并排序;然后,采用相关信息熵进行冗余性排除,自动地选择出具有高分辨能力、低冗余度的特征基因子集。实验结果表明,提出的方法能从多类别肿瘤基因表达谱数据中自动选出30个具有良好分类能力的特征基因,且具有较高的正确识别率。     

一种共调控基因C均值模糊聚类算法

聚类方法在基因表达数据分析中发挥着非常重要的作用,但基因表达数据相对其他领域的数据具有自身的特性,因此传统的数据距离定义和聚类方法已不能完全满足研究者对生物数据的分析要求。提出一种基于泊松分布的数据距离度量方式TransChisq,它以一种全新的视角定义了基因数据之间的距离,鉴于模糊聚类算法能够更加深刻地描述复杂的基因作用关系,将TransChisq距离与模糊聚类方法相结合对模糊C均值算法进行改进,并应用于真实基因表达数据分析。实验结果表明,该方法能够按照生物学的真实分类将基因表达数据聚类,并且可以发现更多的共调控基因,更加满足了基因表达数据分析的需要。     

一种模糊相似关系的基因表达数据聚类方法

对于时间序列的基因表达数据,传统的聚类算法都是以距离为相似性度量标准,没有考虑基因随时间变化的相似趋势。从基因变化的趋势出发,构造了一种新的模糊相似关系矩阵,提出了改进的基于模糊相似关系的聚类算法,并以该算法计算FCM的初始聚类中心。将该方法应用在酵母菌基因表达数据中,实验结果表明该算法不仅克服了FCM算法易陷入局部极小值、对初值敏感的缺点,而且能够发现一些表达模式变化趋势相似的共调控基因。     

肿瘤基因表达谱分类特征基因选取问题及分析方法研究

对肿瘤分类特征基因选取问题的研究是发现肿瘤特异表达基因、研究肿瘤基因表达模式的重要手段，文中基于多类别肿瘤基因表达谱数据集，从研究肿瘤与正常组织的分类入手，对肿瘤分类特征基因选取问题进行分析和研究，首先对基于Relief算法的特征选取策略加以改进生成候选特征集合；然后以支持向量机作为分类器对其分类性能进行检验以选取分类特征基因；最后结合分类模型。利用灵敏度分析方法进行特征基因的精确搜索以滤除冗余，基于该方法文中选出了52个具有良好分类性能的特征基因作为肿瘤的基因特征，并对其表达行为进行了简要分析。     

Enhancing PROMETHEE method with intuitionistic fuzzy soft sets

The notion of intuitionistic fuzzy soft sets (IFSSs) provides an effective tool for solving multiple attribute decision making with intuitionistic fuzzy information. The most crucial issue in decision making based on IFSSs is how to derive the ranking of alternatives from the information quantified in terms of intuitionistic fuzzy values. In this study, we propose a new extension of the preference ranking organization method for enrichment evaluation (PROMETHEE), by taking advantage of IFSSs. In addition to presenting a myriad of new notions, such as intuitionistic fuzzy membership (or nonmembership) deviation matrices, intuitionistic fuzzy membership (or nonmembership) preference matrices, and aggregated intuitionistic fuzzy preference matrices, we put more emphasis on the construction of three distinct preference structures and related utility functions on the corresponding weakly ordered sets by considering the positive, negative, and net flows of the alternatives based on the aggregated intuitionistic fuzzy preference matrix. We present a new algorithm for solving multiple attribute decision-making problems with the extended PROMETHEE method based on IFSSs. Moreover, a benchmark problem concerning risk investment is investigated to give a comparative analysis and show the feasibility of our approach.     

肿瘤信息基因启发式宽度优先搜索算法研究

基于基因表达谱的肿瘤检测方法有望成为临床医学上一种快速而有效的肿瘤分子诊断方法,但由于基因表达谱数据存在维数过高、样本量很小以及噪音很大等特点,使得肿瘤信息基因选择成为一件有挑战性的工作.根据肿瘤基因表达谱样本集的特点,提出了一种以支持向量机分类性能为评估准则的寻找信息基因的启发式宽度优先搜索算法,其优点是能够同时搜索到基因数量尽可能少而分类能力尽可能强的多个信息基因子集.实验采用了3种肿瘤样本集以验证新算法的可行性和有效性,对于急性白血病、难以分类的结肠癌和多肿瘤亚型的小圆蓝细胞瘤样本集,分别只需2,4和4个信息基因就能获得100%的4-折交叉验证识别准确率.与其它优秀的肿瘤分类方法相比,实验结果在信息基因数量及其分类性能方面具有明显的优越性.为避免样本集的不同划分对分类性能的影响,提出了一种能够更加客观地反映信息基因子集分类性能的全折交叉验证评估方法.     

基于AR模型的动态模糊聚类算法

与传统的硬划分聚类相比,模糊聚类算法(以FCM为例)对数据的比例变化具有鲁棒性,能够更准确地反映数据点与类中心的实际关系,目前已得到广泛应用.然而对于时序基因表达数据来说,传统的聚类算法往往不能充分利用到数据中时间上的动态关联信息.因此可以在模糊聚类算法的基础上引入自回归(AR)模型,将时序基因表达数据作为一组时间序列进行动态的聚类分析.这样不仅可以充分利用到时序基因表达数据的内部自相关性,并且可以进一步利用隶属度函数对AR模型的预测过程进行模糊化调整,从而得到更为理想的聚类结果.     

Pythagorean模糊对称交叉熵及加权投影的多属性决策

在Pythagorean模糊多属性决策问题中,以欧式距离等距离测度为基础计算各备选方案与正、负理想解的距离,可能产生与正理想解距离更近的待选方案却与负理想解的距离也更近,导致所得方案排序结果并不能真实反映各备选方案的优劣程度.为有效克服决策结果的逆序问题,提出满足对称性、有界性的Pythagorean模糊对称交叉熵,进...     

Interval‐valued Pythagorean fuzzy GRA method for multiple‐attribute decision making with incomplete weight information

In this paper, the concept of multiple‐attribute group decision‐making (MAGDM) problems with interval‐valued Pythagorean fuzzy information is developed, in which the attribute values are interval‐valued Pythagorean fuzzy numbers and the information about the attribute weight is incomplete. Since the concept of interval‐valued Pythagorean fuzzy sets is the generalization of interval‐valued intuitionistic fuzzy set. Thus, due the this motivation in this paper, the concept of interval‐valued Pythagorean fuzzy Choquet integral average (IVPFCIA) operator is introduced by generalizing the concept of interval‐valued intuitionistic fuzzy Choquet integral average operator. To illustrate the developed operator, a numerical example is also investigated. Extended the concept of traditional GRA method, a new extension of GRA method based on interval‐valued Pythagorean fuzzy information is introduced. First, utilize IVPFCIA operator to aggregate all the interval‐valued Pythagorean fuzzy decision matrices. Then, an optimization model based on the basic ideal of traditional grey relational analysis (GRA) method is established, to get the weight vector of the attributes. Based on the traditional GRA method, calculation steps for solving interval‐valued Pythagorean fuzzy MAGDM problems with incompletely known weight information are given. The degree of grey relation between every alternative and positive‐ideal solution and negative‐ideal solution is calculated. To determine the ranking order of all alternatives, a relative relational degree is defined by calculating the degree of grey relation to both the positive‐ideal solution and negative ideal solution simultaneously. Finally, to illustrate the developed approach a numerical example is to demonstrate its practicality and effectiveness.