HybridRanker：整合网络结构与疾病知识以优先排序癌症候选基因
计算工程、金融与科学
2016-04-27 v1 基因组学
摘要
癌症遗传学研究中一个值得关注的领域是疾病基因鉴定，它影响着疾病治疗和药物发现。该领域已开展了大量研究。全基因组关联研究（GWAS）便是其中之一，其重点在于鉴定染色体上的疾病易感位点。近来，被称为基因优先排序方法的计算方法已被用于识别候选疾病基因。基因优先排序方法整合多种数据源，以发现并优先排序最有可能的候选疾病基因。本文提出一种名为 HybridRanker 的优先排序方法，这是一种基于网络的技术，同时也利用实验数据来识别候选癌症基因。我们将所提方法应用于结直肠癌数据。值得注意的是，在 HybridRanker 中，为了同时考虑蛋白质-蛋白质相互作用网络的局部和全局网络信息，采用了最短路径、带重启的随机游走和网络传播等不同算法。通过这些算法，为网络内的基因赋予初始得分。此外，通过审视具有相似症状的疾病以及共病，并提取其致病基因，对基因得分进行重新计算。我们还利用基因-表型关系对候选基因进行额外评分。通过留一交叉验证对所提方法进行了验证，并与其他优先排序方法进行了比较，比较结果表明 HybridRanker 具有更优的性能。
引用
@article{arxiv.1604.07426,
title = {HybridRanker: Integrating network structure and disease knowledge to prioritize cancer candidate genes},
author = {Zahra Razaghi-Moghadama and Razieh Abdollahia and Sama Goliaeib and Morteza Ebrahimia},
journal= {arXiv preprint arXiv:1604.07426},
year = {2016}
}
备注
16 page