基因表达数据分析-生物信息学与智能信息处理2018年学术会议

生物信息学中的不确定性和分类问题邹权(博士、副教授)厦门大学数据挖掘实验室~zq提纲生物信息学和机器学习的关系一些生物信息学中的分类问题microRNA识别蛋白质功能预测基因表达数据分析全基因组关联分析总结生物信息学人类基因组计划数据存储---数据库数据分析---数据挖掘OlsonMV.Humangenetics:DrWatson'sbasepairs[J].Nature,2008,452(7189):819-820.HapMap计划/1000Genome计划大数据生物信息学中的我国计算机学者算法阶段(1990-2000)朱大铭、姜涛、卜东波标注阶段(2000-2008)王晓龙、朱小燕等系统分析阶段(2008-2013)李衍达、张学工等大规模数据处理阶段(2010-now)华大基因一些生物信息学中的分类问题microRNA识别蛋白质功能预测基因表达数据分析全基因组关联分析microRNA识别2006年诺贝尔奖---RNA干扰机制CCCCUCUAUUCACAAUUGUUUGGAACUCAGUUUUGUGAUUAUUCUAUCAUUGCCAGGGAGUUUGUGUGGUUGCAUCAGGGGDNA···microRNA前体(precursor)出核细胞核细胞质······mRNAmicroRNA成熟体靶标研究1：从长的DNA序列中找出前体研究2：根据成熟体寻找靶标CUUUCUACACAGGUUGGGAUCGGUUGCAAUGCUGUGUUUCUGUAUGGUAUUGCACUUGUCCCGGCCUGUUGAGUUUGG..(((...((((((((((((.(((.(((((((((((......)))))))))))))).)))))))))))).))).....UUCGU32个三元组——32维特征向量.(((((((.((..(((U(((,U((.,U(.(,U(..,U.((,U.(.,U..(,U...,G(((,G((.,...)(12,4,3,1,2,0,0,0,10,1,...)归一化三元组(0.1846,0.0615,0.0462,0.0154,0.0308,0,0,0,0.1538,0.0154,…)一级序列二级结构说明：”（”和”）”意义相同，均表示发生了配对。“.”表示没有发生配对每一位核苷酸和它及其相邻的两个核苷酸的配对情况出现的次数microRNA分类相关论文ChenghaiXue,FeiLi,TaoHe,Guo-PingLiu,YandaLi,XuegongZhang.ClassificationofrealandpseudomicroRNAprecursorsusinglocalstructure-sequencefeaturesandsupportvectormachine.BMCBioinformatics.2005.6:310(googlescholar引用271次，截至2014.8.2)PengJiang,HaonanWu,WenkaiWang,WeiMa,XiaoSun,ZuhongLu.MiPred:classificationofrealandpseudomicroRNAprecursorsusingrandomforestpredictionmodelwithcombinedfeatures.NucleicAcidsResearch.2007,35:W339-W344(googlescholar引用239次，截至2014.8.2)LeyiWei,MinghongLiao,YueGao,RongrongJi,ZengyouHe,QuanZou.ImprovedandpromisingidentificationofhumanmicroRNAsbyincorporatingahigh-qualitynegativeSet.IEEE/ACMTransactionsonComputationalBiologyandBioinformatics.2014,11(1):192-201microRNA与疾病的关系图挖掘相似度度量、不确定性参考文献JiangQ,HaoY,WangG,etal.PrioritizationofdiseasemicroRNAsthroughahumanphenome-microRNAomenetwork[J].BMCSystemsBiology,2010,4(Suppl1):S2.XuanP,HanK,GuoM,etal.PredictionofmicroRNAsassociatedwithhumandiseasesbasedonweightedkmostsimilarneighbors[J].PloSone,2013,8(8):e70204.一些生物信息学中的分类问题microRNA识别蛋白质功能预测基因表达数据分析全基因组关联分析蛋白质功能预测问题输入：蛋白质序列，进行聚类、分类特殊蛋白识别---不平衡分类亚细胞定位-----多类分类酶和多功能酶---多类，少量多标记功能预测------多示例、多标记二级结构、结构域-----标注、HMM难点特征提取分类器一些生物信息学中的分类问题microRNA识别蛋白质功能预测基因表达数据分析全基因组关联分析基因表达数据分析14/57一些生物信息学中的分类问题microRNA识别蛋白质功能预测基因表达数据分析全基因组关联分析全基因组关联分析(GWAS)GWAS难点高维小样本SNP-SNP相互作用结果的可解释性前景疾病的遗传机理遗传育种（作物、养殖）总结机器学习在寻找生物信息学应用---分类、聚类、降维、不确定性结果的解释和验证生物实验验证文献验证生物信息学在寻找机器学习数据量在增大统计学无法满足精度需要邹权，Email：[e-mail]