數(shù)學建模華中賽b題優(yōu)秀論文-展示頁
2025-04-16 02:42本頁面
【正文】 表達受其他基因的影響,而這個基因又影響其他基因的表達,這種相互影響相互制約的關(guān)系構(gòu)成了復雜的基因調(diào)控網(wǎng)絡(luò)。（其中行代表探針號，對應著不同的基因；列為各個個體血液樣本在各個時間節(jié)點的數(shù)據(jù)）個體出現(xiàn)感染癥狀的時間節(jié)點示意圖見附件2。接種后，每隔大約8 h從血液中采集樣本測量基因表達譜數(shù)據(jù)，實驗數(shù)據(jù)一共有16 個時間點( 單位: h) ，包括baseline ( 24) ，0，5，12，21，29，36，45，53，60，69，77，84，93，101，108，共268 個樣本?；谶@些實驗數(shù)據(jù)重建基因調(diào)控網(wǎng)絡(luò)（Gene regulatory networks, GRNs），對于深入了解生物機能的實現(xiàn)過程具有重要作用。關(guān)鍵詞：線性回歸模型，基因調(diào)控網(wǎng)絡(luò)重構(gòu)，多元統(tǒng)計法，主成分分析，聚類分析，邏輯回歸（LR分類器模型）1. 問題重述通過基因之間的相互調(diào)控，生物體可以實現(xiàn)細胞的生長，器官的發(fā)育、以及免疫等各種生物機能。本題最終找出四個導致志愿者產(chǎn)生嚴重的臨床癥狀的蛋白質(zhì)。用268組數(shù)據(jù)，其中每一個基因視為該組數(shù)據(jù)的一個屬性，對這些基因進行LR分類，并得到相應的系數(shù)矩陣。根據(jù)附錄二給出的個體出現(xiàn)感染癥狀時間節(jié)點示意圖，1代表此志愿者在該時間節(jié)點表現(xiàn)出了臨床癥狀，0則表示沒有，這是一個二分類。最后依據(jù)所得到的系數(shù)矩陣進行基因網(wǎng)絡(luò)圖的繪制與呈現(xiàn)。對這30組數(shù)據(jù)建立模型，來重構(gòu)基因調(diào)控網(wǎng)絡(luò)。既降低了數(shù)據(jù)的處理難度，又盡量保持了新數(shù)據(jù)和原數(shù)據(jù)相比，盡可能保持原數(shù)據(jù)的信息。本題基于時間序列給出了272組基因數(shù)據(jù)，為了減小噪聲以及缺失值對實驗精度的干擾，在實驗前對四組噪聲較大或有缺失的數(shù)據(jù)進行剔除。 本文對基因調(diào)控網(wǎng)絡(luò)的重構(gòu)以及導致嚴重臨床癥狀的蛋白質(zhì)進行了研究和推測。這不僅僅能夠讓更多的患者免受病痛的困擾，還能促進人類醫(yī)學史的進步?；蛘{(diào)控網(wǎng)絡(luò)的研究是從基因之間相互作用的角度揭示復雜的生命現(xiàn)象，是當前生物信息學研究的前沿。如有違反競賽規(guī)則的行為，我們將受到嚴肅處理。我們知道，抄襲別人的成果是違反競賽規(guī)則的, 如果引用別人的成果或其他公開的資料（包括網(wǎng)上查到的資料），必須按照規(guī)定的參考文獻的表述方式在正文引用處和參考文獻中明確列出。第八屆華中地區(qū)大學生數(shù)學建模邀請賽承 諾 書我們仔細閱讀了第八屆華中地區(qū)大學生數(shù)學建模邀請賽的競賽細則。我們完全明白，在競賽開始后參賽隊員不能以任何方式（包括電話、電子郵件、網(wǎng)上咨詢等）與隊外的任何人（包括指導教師）研究、討論與賽題有關(guān)的問題。我們鄭重承諾，嚴格遵守競賽規(guī)則，以保證競賽的公正、公平性。我們的參賽報名號為： 參賽隊員 (簽名) ：隊員1： 隊員2： 隊員3： 武漢工業(yè)與應用數(shù)學學會第八屆華中地區(qū)大學生數(shù)學建模邀請賽組委會第八屆華中地區(qū)大學生數(shù)學建模邀請賽編 號 專 用 頁選擇的題號： B 參賽的編號： （以下內(nèi)容參賽隊伍不需要填寫） 競賽評閱編號： 第八屆華中地區(qū)大學生數(shù)學建模邀請賽題目： 基因調(diào)控網(wǎng)絡(luò)的重構(gòu)及病毒感染的致病機制 【摘 要】 一個基因的表達受其他基因的影響,而這個基因又影響其他基因的表達,這種相互影響相互制約的關(guān)系構(gòu)成了復雜的基因調(diào)控網(wǎng)絡(luò)。 疾病的發(fā)病因素和原理，對于醫(yī)療領(lǐng)域有著十分重要的作用。所以根據(jù)基因數(shù)據(jù)譜來重構(gòu)基因調(diào)控網(wǎng)絡(luò)，以及某個疾病癥狀產(chǎn)生的原因的研究具有很大的意義。 由于所給的基因數(shù)據(jù)譜（附錄一）十分龐大，所以首先要對數(shù)據(jù)進行降維處理。具體的降維方式采用了多元統(tǒng)計法中的主成分分析和聚類分析：先對這一萬多個數(shù)據(jù)做主成分分析，從這一萬多個數(shù)據(jù)中，通過線性變化選出了1000個左右的重要變量來組成新的樣本。然后用spss兩階聚類法粗略地對要聚類的數(shù)目進行一個估計，根據(jù)此估計用Kmeans算法對數(shù)據(jù)進行處理，得到相應的30組數(shù)據(jù)。本文中采用的模型是線性回歸模型，并對它的合理性，以及相較貝葉斯網(wǎng)絡(luò)作了對比。 問題二在第一問的基礎(chǔ)上，尋求導致產(chǎn)生嚴重臨床癥狀的蛋白質(zhì)。本題采用邏輯回歸模型，利用LR分類器模型去尋找該重要蛋白質(zhì)。然后對系數(shù)矩陣進行分
數(shù)學相關(guān)推薦
鄂ICP備17016276號-1