王文杰
- 作品数：3 被引量：15H指数：2
- 供职机构：哈尔滨医科大学更多>>
- 发文基金：国家自然科学基金黑龙江省自然科学基金黑龙江省青年科学基金更多>>
- 相关领域：医药卫生生物学更多>>
- 基于解卷积的网络优化算法研究及应用
- 2016年
- 目的探讨网络解卷积算法对网络结构的优化效果。方法模拟研究采用四种网络算法对具有金标准的DREAM5平台数据进行网络构建,并评价解卷积优化前后的网络准确性。实例研究使用RF回归对卵巢癌晚期化疗敏感性患者的基因表达数据构建网络,再通过网络解卷积算法优化。结果模拟研究结果表明,四种网络构建方法推断出来的网络结构在解卷积算法优化后,其准确性均有不同程度的提高,其中基于线性相关的网络构建方法提高幅度明显大于CLR和RF算法;实例分析结果表明,采用RF-ND方法构建的网络移除了部分间接边,其优化后能得到与现有数据库较为一致的网络结构。结论应用解卷积算法能够优化不同网络构建方法得到的网络,实际中能得到准确度较高的网络结构。
- 王文杰谢宏宇侯艳李康
- 关键词：调控网络网络优化
- 基因组学数据的网络构建与分析方法被引量：4
- 2017年
- 基因组学数据具有超高维数、变量间作用关系复杂的特点,对其进行数据分析的方法研究面临巨大的挑战。网络研究能够直观地反映出基因之间的相互作用关系,这不仅有助于特征标志物的筛选,增加筛选结果的可解释性,而且还能从分子水平阐述复杂的生物过程及各疾病的发病机制。
- 王文杰侯艳李康
- 关键词：基因组学网络构建基因调控网络可解释性贝叶斯方法网络研究
- 卵巢癌脂质组学诊断标志物的筛选及其效果研究被引量：11
- 2016年
- 目的卵巢癌是女性生殖器官常见的恶性肿瘤之一,90%的卵巢癌患者诊断时已进展到晚期(Ⅲ/Ⅳ期)。尽管治疗方式的不断改进,但晚期卵巢癌患者5年总生存率为20%,而早期卵巢癌患者5年总生存率>90%。本研究旨在识别卵巢癌脂质组学诊断生物标志物,提高卵巢癌早期诊断的准确性。方法采用稀疏组lasso变量筛选方法和单因素分析相结合的方法,对2011-03-01-2013-07-31哈尔滨医科大学附属肿瘤医院的139例卵巢癌患者和76例对照患者的血浆脂质组学数据进行分析,筛选可用于诊断卵巢癌脂质组学的生物标志物,在差异代谢物中选择与CA125相关性小的物质作为最终诊断标志物,通过七折交叉验证方法来评价其预测效果及与CA125联合的诊断准确性。进一步采用cytoscape软件研究差异脂质物质间的相互作用。通过Wilcoxon秩和检验方法筛选出能够区分早晚期卵巢癌的生物标志物。结果共筛选出20种可用于区分卵巢癌和对照的差异脂质生物标志物,其中Stearamide、Stearic acid、Arachidic acid和PI(42∶9)与CA125不相关(P<0.05),这4个脂质与CA125联合AUC值为0.94,大于CA125单独的诊断性能。另外,其中8个差异脂质在早期与晚期上皮性卵巢癌患者中有差异,分别为PC(35∶4)、PC(38∶6)、PC(46∶4)、PC(P-35∶2)、PE(P-36∶6)、PG(34∶2)、Cer(d18∶1/16∶0)和3-Deoxyvitamin D3,均P值<0.05。结论卵巢癌血浆脂质组学筛选出的物质提高了CA125单独诊断的准确性,其中8个差异物质可以作为卵巢癌早期诊断潜在的生物标志物。
- 谢宏宇王文杰李贞子夏白荣李康侯艳
- 关键词：卵巢癌诊断标志物
