论文部分内容阅读
随着生物信息学的发展，人类已经进入后基因组时代。基因调控网络在系统生物学、生物信息学和药理学方面扮演着越来越重要的角色。基因调控网络并不是对单个基因的研究，而是对整个基因组的功能和动态变化规律的研究。一个基因的表达并不是独立的，而是受其它基因的影响，同时这个基因又影响到其它基因的表达，这种相互影响、相互制约的关系构成了复杂的基因表达调控网络。 基因调控网络的预测和重构是生物信息学研究中的一个崭新的研究领域。它试图利用基因表达数据，反向挖掘基因间的关联信息，通过可视化技术再现基因间相互作用的网络拓扑结构，揭示基因复杂的作用机理及基因功能信息。基因表达调控的研究是后基因组时代的核心内容，是系统生物学的主要研究内容。 本论文的研究基于改进型的多智能体系统与动态贝叶斯网络来重构基因调控网络，本论文的工作内容和创新点如下: (1)基于原本的多智能体系统，提出了一种改进型的多智能体系统的多元数据融合算法，提高的数据融合后的准确率和运行效率; (2)将改进型的多智能体系统和动态贝叶斯网络算法结合起来对基因调控网络进行建模; (3)将实验数据应用到(2)中的算法当中，并将得到的实验结果与现有的算法进行比较，证明本论文提出的算法可以改进基于调控网络模型的精确度; (4)使用全初始网络和随机初始网络来验证初始网络的精度，对模型最终精度的影响。 本文所提出的方法在构建基因调控网络方面取得了一定成果，但利用机器学习、数据挖掘等方法预测基因调控网络的研究工作将随着相关数据库的建设和完善和新方法的提出在不断发展，此项研究在较长时间内仍将是生物信息学和系统生物学研究的热点之一，有待于进一步深入和完善。