基于表达及网络拓扑结构挖掘动脉粥样硬化风险疾病基因
基于功能基因组信息、网络拓扑结构信息整合分析方法,利用基因表达谱数据和蛋白质互作数据挖掘动脉粥样硬化(AS)风险疾病基因,为从基因组层面研究动脉粥样硬化提供了新的视角.经过差异表达分析,支持向量机(SVM)的机器学习方法双重筛选,可以鉴别出可信度水平较高的风险疾病基因,对于研究动脉粥样硬化疾病基因在网络中的拓扑性质,建立基因与疾病发生发展过程的联系,提供了新的思路.得到了巨噬细胞样本中59个风险疾病基因,泡沫细胞中61个风险疾病基因.这些风险基因与已知疾病基因共享大部分动脉粥样硬化病变相关生物学过程及信号通路.并应用到对其他复杂疾病致病机理的研究中.
动脉粥样硬化、差异表达、网络拓扑特征、支持向量机
37
R318.04;Q78(医用一般科学)
研究生创新基金;黑龙江省自然科学基金;国家自然科学基金;哈尔滨医科大学大学生创新项目
2010-10-18(万方平台首次上网日期,不代表论文的发表时间)
916-922