Transcript PPT - 数据挖掘实验室

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
http://datamining.xmu.edu.cn/~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
Olson M V. Human genetics: Dr Watson's base pairs[J]. Nature,
2008, 452(7189): 819-820.
 HapMap计划 /1000 Genome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

CCCCUCUAUUCACAAUUGUUUGGAACUCAGUUUUGUGAUUAUUCUA
UCAUUGCCAGGGAGUUUGUGUGGUUGCAUCAGGGG
研究1：从长的
DNA序列中找
出前体
···
···
DNA
···
microRNA 前体
(precursor)
细胞核
出核
细胞质
microRNA 成熟体
研究2：根据成
熟体寻找靶标
靶标
mRNA
一级序列 CUUUCUACACAGGUUGGGAUCGGUUGCAAUGCUGUGUUUCUGUAUGGUAUUGCACUUGUCCCGGCCUGUUGAGUUUGG
二级结构 ..(((...((((((((((((.(((.(((((((((((......)))))))))))))).)))))))))))).))).....
说明：”（”和”）”意义相 G
同，均表示发生了配对。 ((.
.(( ((( ((.
“.”表示没有发生配对
UU C
U
.((
32 个三元组——32 维特征向量
( U ( ( ( , U ( ( . , U ( . ( , U ( . . , U . ( ( , U .(. , U . . (, U . . . , G ( ( ( , G ( ( . , . . .)
出现的次数
(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, …)
每一位核苷酸和它及其相邻的
两个核苷酸的配对情况
microRNA分类相关论文

Chenghai Xue, Fei Li, Tao He, Guo-Ping Liu, Yanda Li, Xuegong Zhang.
Classification of real and pseudo microRNA precursors using local structuresequence features and support vector machine. BMC Bioinformatics. 2005.6:310
(google scholar引用271次，截至2014.8.2)

Peng Jiang, Haonan Wu, Wenkai Wang, Wei Ma, Xiao Sun, Zuhong Lu. MiPred:
classification of real and pseudo microRNA precursors using random forest
prediction model with combined features. Nucleic Acids Research.
2007,35:W339-W344 (google scholar引用239次，截至2014.8.2)

Leyi Wei, Minghong Liao, Yue Gao, Rongrong Ji, Zengyou He, Quan Zou.
Improved and promising identification of human microRNAs by incorporating a
high-quality negative Set. IEEE/ACM Transactions on Computational Biology
and Bioinformatics. 2014, 11(1):192-201
microRNA与疾病的关系
 图挖掘
 相似度度量、不确定性
参考文献


Jiang Q, Hao Y, Wang G, et al. Prioritization of disease microRNAs through a human
phenome-microRNAome network[J]. BMC Systems Biology, 2010, 4(Suppl 1): S2.
Xuan P, Han K, Guo M, et al. Prediction of microRNAs associated with human
diseases based on weighted k most similar neighbors[J]. PloS one, 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：[email protected]
http://datamining.xmu.edu.cn