使用线性微分方程构建初步的乳腺癌转移相关基因网络模型

随着基因芯片的技术的推广,越来越多的表达数据需要被处理和分析．利用这些表达数据提取基因调控矩阵从而构建基因网络是一个重要的问题．通过线性微分方程模型可以初步构建基因网络,了解网络结构,提取最显著的信息．然而由于分子生物学的条件限制或者数据来源的限制,导致实验数据不充分,使方程组无解．本文使用三次样条方法,对26例临床、病理资料完备的具有淋巴结转移的乳腺癌基因表达数据进行插值处理,使表达数据满秩,从而使用最小二乘法解出加权矩阵,构建初步的表达基因调控网络．通过对构建的基因网络的初步分析表明:乳腺癌转移的形成是由多基因异常引起多条传导通路异常,致使细胞恶性转化的结果,这与生物学上公认的看法是相一致的．因此,利用此线性模型方法对基因表达谱进行分析兵有一定可行性,在认识乳腺癌转移机制,乳腺癌诊断和治疗方面具有一定的理论和应用价值．     

一个生物网络比对的启发式算法

随着各种高通量生物实验技术的发明和广泛应用,越来越多的分子生物网络数据被公布.有效而且可靠的比对这些网络对检测分子生物网络的保守性功能模块和推测物种间的进化关系有着十分重要的意义.然而,由于网络比对在理论上是NP-困难（nondeterministic polynomialtime-hard）问题,它已经成为当前计算生物学需要攻克的主要难点之一.本文提出了一个比对两个蛋白质相互作用网络的启发式算法.该算法首先通过比较两个网络中所有顶点的邻域相似性给出这两个网络的顶点相似性矩阵,然后利用该矩阵将全局网络比对问题转化为一个二部图匹配问题.众所周知,二部图匹配问题具有多项式时间复杂度算法,本文利用ILOG CPLEX软件进行求解.为了验证该算法的优越性,作者比对了水痘病毒（varicella-zoster,VZV）和卡波济（氏）肉瘤病毒（kaposi＇s sarcomaassociated herpesvirus,KSHV）的蛋白质相互作用网络,并且把比对结果同其它网络比对算法进行比较.结果证明该算法显著提高了全局网络比对的精确度.     

一类蛋白质相互作用网络比对的线性规划算法

随着越来越多的蛋白质相互作用数据被公布,网络比对在预测蛋白质的新功能和推测蛋白质网络进化历史上发挥着越来越重要的作用。但是,目前主要的网络比对方法要么忽略蛋白质的同源信息或蛋白质网络的结构信息,要么采用启发式算法。文章作者通过将网络比对转化为线性规划问题给出了一个精确的网络比对算法,并且针对水痘病毒和卡波济(氏)肉瘤病毒的蛋白质相互作用数据进行了比对分析。     

基因芯片表达在乳腺癌转移过程中的聚类分析

利用基因芯片可以得到不同基因在不同生命过程中的表达,因此在医学诊断与病变分析中受到重视,并开始大量应用．经测定发现,不同基因在病变过程的不同阶段中的表达是不相同的,由此可以得到在病变过程的不同基因的表达特征．在本文中,我们给出了乳腺癌在转移过程中的基因表达特征的聚类分析法分析,并改进了k-means聚类算法,使之具有自动搜索聚类数的功能,并且有助于改善k-means算法的聚类结果陷入局部最小值的状况．通过对平均聚类误差指标的比较,kr—means要优于k-means算法．本文所得到的结果可供乳腺癌诊断与病变分析参考,同时可以应用于小型基因检测芯片的制备,也可以用于构建基因网络调控图．     

乳腺癌转移相关基因表达调控网络的线性微分方程模型的初步研究

初步构建乳腺癌转移相关基因表达调控网络的线性微分方程模型,并分析模型的可靠性和生物学意义. 采用基因芯片技术,分别对30例伴有淋巴结转移的乳腺癌组织及其相应淋巴结转移癌组织进行基因表达谱的比较,选择差异基因通过线性微分数学方法构建表达调控网络模型. 差异表达基因共27个,其中Ratio > 3的明显上调基因14个,而Ratio < 0.33的明显下调基因13个. 比较伴有淋巴结转移的乳腺癌组织和其相应淋巴结转移癌组织,分析筛选了27个表达差异基因,应用数学线性微分方程方法初步构建乳腺癌转移相关基因表达调控网络的线性微分方程模型,通过分析模型中重要节点、通路的生物学意义,判定网络的数学特性,初步表明,调控网络的可靠性和乳腺癌转移的形成是与多基因、多通路异常引起的细胞恶性转化相关.