通过在不同条件下以基因表达加权的PPI网络识别疾病基因

疾病基因的鉴定是破译复杂疾病机制的必不可少的问题。 许多现有的方法结合了机器学习算法和网络信息来预测疾病基因，并且基于“有罪恶感”假设，即在生物分子网络中疾病基因被认为彼此接近。已经获得了许多新颖的发现，其中大多数人仅利用“罪恶关联”原理就忽略了在不同条件下生物分子网络的边缘动态变化，这将限制它们的性能。 为了解决这个问题，我们提出了一种算法，该算法同时结合了生物分子网络的“关联内gui”和“重新布线内gui”。 首先处理病例与对照样品之间基因共表达的差异，通过加权蛋白质-蛋白质相互作用（PPI）网络的边缘，获得生物分子网络的边缘动态变化（重新排列）。 然后，从加权的PPI.network中提取特征。 最后，采用logistic回归法确定疾病基因。 在鉴定乳腺癌相关基因，肺癌相关基因和精神分裂症相关基因时，该算法分别获得0.95、0.90和0.92的AVe值。 还从排名未知的基因列表中找到了两个新的精神分裂症相关基因。