Page 32 - 《软件学报》2020年第11期

3348 Journal of Software 软件学报 Vol.31, No.11, November 2020

DGNE方法及其对比方法准确率
1
SynC
Dro
0.9
Rat
0.8
0.7

0.6

0.5

0.4

0.3
DGNE DGNE-E DGNE-L BCGD ctRBM PA Katz AA CN
Fig.10 Precision of DGNE and its contrastive algorithms
图 10 DGNE 及其对比算法的准确率

4 总结和展望
本文提出的 DGNE 方法对动态基因调控网网络演化的研究分成两个步骤来进行:首先,通过 MT 算法对网
络中模体的转换进行了研究,并通过实验证实了本研究的有效性;其次,通过基于隐空间特征的符号判别算法对
将来时刻基因调控网快照的连边符号进行了判别,将研究领域扩展到带符号网络.对动态基因调控网网络演化
的研究,可以为生物学实验节约成本,并为基因组学、药物研发的相关科研人员提供可靠的参考,促进生物医学
事业的进步.本文的研究成果如下.
(1) 研究了基因调控网的演化机制,提出了 MT 算法.将以往对基因调控网的研究扩展到了动态的领域,能
够更好地捕捉到基因调控网的演化模式.实验结果表明,基于模体演化概率的演化模型能够较好地解
释基因调控网的演化机制,在连边预测上有较好的准确性.
(2) 在连边预测的基础上,提出了基于隐空间特征的符号判别算法,填补了以往相关研究中忽略了基因调
控网的特有的网络符号缺陷,将对基因调控网的研究带入了有符号网络的领域.本文将以上两种算法
共同结合成了 DGNE 方法,弥补了以往相关算法不能进行符号判别的缺陷,在动态基因调控网的网络
演化领域具有开创性意义.
与其他类型的复杂网络相比,对基因调控网网络演化的研究尚处于起步阶段,在未来,可以从以下几方面改
进和进一步探索.
(1) 模体转换分析中,只关注由 3 节点构成的模体,而忽视了其他类型的模体(如 4 节点模体和扇形模体)
转换对网络演化的影响.这些更复杂的模体在基因调控网中同样起到很重要的作用,它们拓扑结构的
转换对基因调控网网络演化的作用需要进一步的研究.
(2) 本文提出的 DGNE 方法由于加入了符号判别功能,虽然在模型理论性和真实性上得到了提升,但也不
可避免地引入了一定误差.在今后的研究中,我们将致力减少这类误差.此外,在基于隐空间特征的符
号判别算法中,本文使用支持向量机作为符号判别的分类模型.是否存在效果更好的非线性分类器有
待研究.

References:
[1] Omranian N, Eloundou-Mbebi JM, Mueller-Roeber B, Nikoloski Z. Gene regulatory network inference using fused Lasso on
multiple data sets. Scientific Reports, 2016,6:Article No.20533.