基于乒乓算法的复杂疾病标志物识别

目的:生物标志物是标识系统、器官、组织等改变或可能发生改变的生化指标,具有非常广泛的临床应用。本文希望从高通量数据出发,提出一种新的研究复杂疾病标志物的方法。方法:以"组学"数据为研究对象,利用乒乓算法构建lnc RNA-mRNA交互网络,通过随机游走算法计算选出复杂疾病的生物标志物,并将其与t检验结果比较。结果:将本文方法运用于食管癌标志物的识别,得出与食管癌发生和发展过程相关的14个lnc RNA(CCAT1、MEG3、Snhg1、MALAT1、HOTAIR、UCA1、PVT1、CASC9、LOC100130476、TUG1、BC200、POU6F2-AS2、TP73-AS1和ZEB1-AS1)和12个mRNA(SPARC、CMTM7、Sph K1、NANOG、LOXL2、HMGCS2、FZD7、PTOV1、CADM1、CTHRC1、MGMT和RECK)。对比显示,识别出t检验未识别出的4个lnc RNA(BC200、POU6F2-AS2、TP73-AS1和ZEB1-AS1)和3个mRNA(CADM1、Sph K1和RECK)。结论:该方法能够更有效的预测复杂疾病相关的标志物。