资源描述:
《SSCMDA-基于间谍刺探策略与超级集群策略的MiRNA与疾病关联预测模型》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号:单位代码:10140密级:公开学号:4031531686硕士学位论文SSCMDA:基于间谍刺探策略与超级集群策略的中文题目:MiRNA与疾病关联预测模型SSCMDA:SpyandSuperClusterstrategyfor英文题目:MiRNA-DiseaseAssociationprediction论文作者:解迪指导教师:赵琪副教授专业:应用数学完成时间:二○一八年五月申请辽宁大学硕士学位论文SSCMDA:基于间谍刺探策略与超级集群策略的MiRNA与疾病关联预测模型SSCMDA:SpyandSuperClusterstrategyforMiRNA-DiseaseAssoci
2、ationprediction作者:解迪指导教师:赵琪副教授专业:应用数学答辩日期:2018年5月19日二○一八年五月·中国辽宁辽宁大学学位论文原创性声明本人郑重声明:所呈交的学位论文是本人在导师的指导下独立完成的.论文中取得的研究成果除加以标注的内容外,不包含其他个人或集体已经发表或撰写过的研究成果,不包含本人为获得其他学位而使用过的成果.对本文的研究做出重要贡献的个人和集体均已在文中进行了标注,并表示谢意.本人完全意识到本声明的法律结果由本人承担.学位论文作者签名:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机
3、构送交学位论文的原件、复印件和电子版,允许学位论文被查阅和借阅.本人授权辽宁大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编学位论文.学校须按照授权对学位论文进行管理,不得超越授权对学位论文进行任意处理.保密(),在年后解密适用本授权书.(保密:请在括号内划“√”)授权人签名:指导教师签名:日期:年月日日期:年月日摘要摘要在生物学领域,识别microRNA(miRNA)与疾病之间的关联性对于临床医疗具有极其重要的意义,因此构建miRNA与疾病关联网络受到生物科学界越来越大的关注.然而,现今在这方面的研究主要是依赖先进的生物学仪器
4、以及专业前沿科学家的实验观察而得出结论的,这样的研究方法是昂贵的并且及其耗费时间的.近些年来,数学以及计算机信息相关领域的科研工作者越来越关注生物信息学的发展,并致力于将统计学习等智能算法应用于生物大数据分析相关的前沿交叉学科方向.本文正是基于以上学术领域背景提出了基于正则化最小二乘法分类器的间谍刺探策略与超级集群策略,并通过结合该双层策略形成最终的miRNA与疾病关联预测模型SSCMDA.该模型将miRNA与疾病已知关联数据以及疾病结合相似性、miRNA结合相似性等经过充分数据挖掘的相似性信息作为输入数据,并首先设计实施了间谍刺探策略从miRNA与疾病的未知关联中识别出高可信度负样
5、本,一定程度上解决了既含有潜在正样本又含有真正负样本的混合训练样本导致预测结果不准确的问题.此外,超级集群策略能够尽可能多地增加高可信度的正样本,从而通过克服缺少足够正训练样本的问题进一步提高预测的准确性.通过实施三种交叉验证,即全局留一交叉验证、局部留一交叉验证以及五折交叉验证,得到的AUC值分别为0.9007,0.8747以及0.8806+/-0.0025.通过将SSCMDA模型的AUC结果与一些早期模型进行比较,SSCMDA模型对miRNA与疾病关联预测的精确度得到了明显的提升.我们进一步在不同版本的HMDD数据库上实施了案例分析来测试SSCMDA模型预测能力的鲁棒性.我们同时
6、实施了仿真案例分析来检验SSCMDA模型对没有已知相关miRNA的新疾病的预测效果.所有案例分析的实验结果表明,SSCMDA模型预测的大部分具有高置信度的miRNA与疾病关联能够被生物实验所验证,从而进一步证明了SSCMDA模型良好的预测能力.关键词:microRNA,疾病,关联预测,间谍刺探策略,超级集群策略IAbstractABSTRACTInthebiologicalfield,theidentificationoftheassociationsbetweenmicroRNAs(miRNAs)anddiseaseshasbeenpaidincreasingattentionas
7、anextremelymeaningfulstudyfortheclinicalmedicine.However,itisexpensiveandtime-consumingtoconfirmmiRNA-diseaseassociationsbyexperimentalmethods.Therefore,inrecentyears,severaleffectivecomputationalmodelsforpredictingthepotentialmiR