利用蛋白质-表型网络的致病基因预测方法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (5): 134-136.

• 数据库、信号与信息处理 • 上一篇下一篇

利用蛋白质-表型网络的致病基因预测方法研究

黄俊恒¹，孙玉山²，杜宇²

1.哈尔滨工业大学（威海）计算机与科学技术学院，山东威海 264209
2.哈尔滨工业大学（威海）软件学院，山东威海 264209

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-02-11 发布日期:2011-02-11

Prediction of human disease genes based on protein-phenotype network

HUANG Junheng¹，SUN Yushan²，DU Yu²

1.School of Computer Science & Technology，Harbin Institute of Technology at Weihai，Weihai，Shandong 264209，China
2.School of Software，Harbin Institute of Technology at Weihai，Weihai，Shandong 264209，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-02-11 Published:2011-02-11

摘要/Abstract

摘要： 在“表型相似的疾病是由功能相关的基因引起”这一假设基础上，提出了一种利用人类蛋白质相互作用和疾病表型相似性网络进行疾病候选基因预测的新方法，同时开发了候选基因预测系统——GENEDIG，该方法通过建立回归模型，利用向量相关性分析，对诱发基因未知疾病的每一个候选基因计算得分，并根据得分结果进行排序，达到预测致病基因的目的。该方法还可进一步用于探讨多个基因在复杂疾病中的协同性。实验结果表明，该方法能有效揭示疾病与诱发基因之间的联系，为进一步的生物学验证实验提供帮助。

关键词: 蛋白质相互作用, 致病基因排序, 遗传疾病, 生物信息

Abstract: On the basis of the assumption that diseases with similar phenotypes are caused by functionally related genes，a candidate gene prioritization method that is entirely based on the network of human protein-protein interactions and disease phenotypic similarities is described.A tool named GENEDIG is developed.A regression model is established and a vector relativity analysis method is applied to prioritize all candidate genes according to the probability of causing certain disease phenotypes.This method is applicable to genetically uncharacterized phenotypes，and also extendable to explore gene cooperativity in complex diseases.This method can effectively reveal the implied association between disease and induced genes to facilitate future discovery of disease genes.

Key words: protein-protein interaction, candidate gene prioritization, genetic diseases, Bioinformatics

黄俊恒¹，孙玉山²，杜宇². 利用蛋白质-表型网络的致病基因预测方法研究[J]. 计算机工程与应用, 2011, 47(5): 134-136.

HUANG Junheng¹，SUN Yushan²，DU Yu². Prediction of human disease genes based on protein-phenotype network[J]. Computer Engineering and Applications, 2011, 47(5): 134-136.

[1]	钟雅婷，林艳梅，陈定甲，彭昱忠，曾远鹏. 多组学数据整合分析和应用研究综述[J]. 计算机工程与应用, 2021, 57(23): 1-17.
[2]	王一凡，鲁慧民，高若然，李阳. 手指静脉图像感兴趣区域提取研究综述[J]. 计算机工程与应用, 2021, 57(13): 34-42.
[3]	毛伊敏，刘银萍. 基于模块度函数的加权蛋白质复合物识别算法[J]. 计算机工程与应用, 2020, 56(2): 42-54.
[4]	霍思聪1，黎英2. 蛋白质功能模块检测的聚类方法综述[J]. 计算机工程与应用, 2019, 55(8): 17-26.
[5]	汤希玮，李勇帆，胡秋玲. 结合多数据源预测蛋白质复合物[J]. 计算机工程与应用, 2012, 48(27): 105-108.
[6]	姚雄武，郑金华，李晶，文诗华. 遗传算法和单体型组装加权最小字符翻转问题[J]. 计算机工程与应用, 2010, 46(8): 217-220.
[7]	李松倍，谢江，张武，武频. 蛋白质相互作用网络的相似子网搜索问题研究[J]. 计算机工程与应用, 2010, 46(3): 33-35.
[8]	谢民主¹，刘新求^2，3. 枚举单体型组装问题多个最优解的遗传算法设计[J]. 计算机工程与应用, 2010, 46(11): 7-9.
[9]	马宝山¹，朱义胜¹，陈玉珍². 用多种统计特征识别基因序列[J]. 计算机工程与应用, 2009, 45(29): 118-119.
[10]	程家兴,杜秀全,王池社. 多特征融合的蛋白质相互作用位点预测[J]. 计算机工程与应用, 2009, 45(16): 50-52.
[11]	李敏,陈建二,王建新. 基于复杂网络理论的PPI网络拓扑分析[J]. 计算机工程与应用, 2008, 44(8): 20-22.
[12]	吴德敏^1,2,陈俊³. 双序列比对的算法研究[J]. 计算机工程与应用, 2008, 44(36): 48-50.
[13]	彭利红,廖波,刘昊. 基于蛋白质相互作用网络图的聚类方法[J]. 计算机工程与应用, 2008, 44(32): 132-133.
[14]	刘昊,廖波,彭利红. 基于蛋白质相互作用网络的聚类算法研究[J]. 计算机工程与应用, 2008, 44(30): 142-144.
[15]	谢民主^1,2,王建新²,陈建二². 单体型组装MEC问题的参数化算法研究[J]. 计算机工程与应用, 2007, 43(35): 57-60.

利用蛋白质-表型网络的致病基因预测方法研究

Prediction of human disease genes based on protein-phenotype network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics