Báo cáo nghiên cứu khoa học: NGHIÊN CỨU VỀ SỰ KHÁC BIỆT CỦA MẠNG CYTOKINE TRONG HỆ THỐNG MIỄN DỊCH BẰNG GIẢI THUẬT TIẾN HOÁ DỰA TRÊN MẠNG BAYES

Bài báo giới thiệu cách tiếp cận dùng mạng Bayes để suy diễn sự khác biệt của sự ảnh hưởng lẫn nhau giữa các cytokine (một loại protein quan trọng của hệ thống miễn dịch) trong những điều kiện thí nghiệm khác nhau. Chúng ta sẽ được giới thiệu phương pháp tiến hóa để học cấu trúc của mạng Bayes.
Nội dung trích xuất từ tài liệu:
Báo cáo nghiên cứu khoa học: "NGHIÊN CỨU VỀ SỰ KHÁC BIỆT CỦA MẠNG CYTOKINE TRONG HỆ THỐNG MIỄN DỊCH BẰNG GIẢI THUẬT TIẾN HOÁ DỰA TRÊN MẠNG BAYES"TẠP CHÍ KHOA HỌC, Đại học Huế, Số 59, 2010 NGHIÊN CỨU VỀ SỰ KHÁC BIỆT CỦA MẠNG CYTOKINE TRONG HỆ THỐNG MIỄN DỊCH BẰNG GIẢI THUẬT TIẾN HOÁ DỰA TRÊN MẠNG BAYES Nguyễn Hoài Tưởng, Ramstein Gérard, Leray Philippe Phòng thí nghiệm Tin học vùng Nantes-Atlantique Jacques Yannick Trung tâm nghiên cứu Ung thư Nantes/Angers TÓM TẮT Bài báo giới thiệu cách tiếp cận dùng mạng Bayes để suy diễn sự khác biệt của sựảnh hưởng lẫn nhau giữa các cytokine (một loại protein quan trọng của hệ thống miễn dịch)trong những điều kiện thí nghiệm khác nhau. Chúng ta sẽ được giới thiệu phương pháp tiếnhóa để học cấu trúc của mạng Bayes. Phương pháp này cho phép chọn lọc được một tậphợp các mạng có tỷ lệ học tốt nhất. Mỗi mạng nhận được sau kết quả học sẽ được kiểmnghiệm bằng phương pháp kiểm định thống kê với hai quần thể dữ liệu bệnh nhân: một códùng thuốc điều trị, còn lại không dùng thuốc điều trị. Mục đích của thí nghiệm này lànhằm đánh giá mức độ ảnh hưởng của thuốc đối với sự tương tác lẫn nhau giữa các gien.1. Giới thiệu Chỉ trong mấy năm gần đây, người ta vừa tìm được Interleukine 15 (IL-15) [1],một loại cytokine có vai trò rất quan trọng trong hệ thống miễn dịch. Một điểm đángchú ý là cytokine này có các chức năng gần giống và có quan hệ mật thiết với cáccytokine khác. Vì vậy, vấn đề đặt ra là IL-15 có tầm ảnh hưởng như thế nào đối với cáccytokine láng giềng của chúng trong những điều kiện thí nghiệm khác nhau. Để trả lờicâu hỏi này, các chuyên gia trong ngành đã nhờ đến sự hỗ trợ của máy tính thông quacác kỹ thuật tiên tiến đã và đang được nghiên cứu và ứng dụng rộng rãi trong lĩnh vựctin sinh học. Thật vậy, ngày nay công nghệ vi mảng (microarray) cho phép đo đạc đồng thờimức biểu lộ của hàng ngàn gien. Bên cạnh đó, mạng tương tác gien (gene regulatorynetworks) không những cho ta một cái nhìn tổng thể về mối tác động lẫn nhau giữa cácgien, mà còn có khả năng lưu trữ các thông số về mức độ biểu lộ của chúng. Vì vậy, khảnăng suy luận của mạng tương tác gien từ dữ liệu vi mảng luôn là vấn đề mũi nhọntrong các nghiên cứu tin sinh học. Minh chứng là đã có không ít các phương pháp đượcđề xuất cho việc xây dựng loại mạng này (xem phần 2.1). Trong số đó, phương pháptiếp cận bằng mạng Bayes (Bayesian networks) đã gây một sự chú ý đáng kể của các 173nhà nghiên cứu bởi khả năng giải quyết phần lớn các vấn đề đặt ra của nó: (1) các tươngtác phức tạp tạo ra bởi một số lượng lớn gien đã được phân tích từ các nguồn dữ liệu rờirạc và nhiễu; (2) một khối lượng khổng lồ các biến (trên 30.000 gien) trong khi rất hạnchế về dữ liệu mẫu (vài chục đến vài trăm thí nghiệm); (3) độ phức tạp tính toán của cáccấu trúc mạng và ý nghĩa thống kê giữa các biến trong mạng. Trong bài báo này, tác giả muốn giới thiệu một cách tiếp cận bằng phươngpháp tiến hóa để duy trì tập hợp các mạng Bayes có tỷ lệ học tốt nhất từ dữ liệu vimảng về IL-15. Tập hợp này cho phép một so sánh các kết quả thu được từ mỗimạng bằng kiểm định thống kê trên hai tập dữ liệu bệnh nhân: một có điều trị bằngthuốc, còn lại không điều trị bằng thuốc (hai điều kiện thí nghiệm khác nhau). Nóicách khác, chúng ta sẽ đi trả lời cho câu hỏi: “Làm thế nào dùng mạng Bayes để suyluận sự ảnh hưởng của IL-15 trong những điều kiện thí nghiệm khác nhau?”.2. Phương pháp 2.1. Xây dựng lại mạng tương tác gien bằng tiếp cận mạng Bayes Xây dựng lại mạng tương tác gien là một bài toán khá nổi tiếng trong ngànhtin sinh học. Thật vậy, đã có không ít những giải pháp đề nghị cho vấn đề này màmột vài đại diện tiêu biểu có thể kể ra đây là: clustering [4], mạng Bayes [7], [10],[3], [13], mô hình đồ thị Gauss [11]. Mỗi một đề xuất có những lợi điểm cũng nhưgiới hạn riêng của nó. Riêng đối với bài báo này, chúng tôi chọn mạng Bayes nhưmột hướng nghiên cứu chính cho việc xây dựng lại mạng tương tác gien. Công trình được xem là đầu tiên cho vấn đề này thuộc về nhóm nghiên cứu củaGiáo sư Friedman và cộng sự vào năm 2000 [7]. Đây được xem như là công trình tiêubiểu cho các nghiên cứu sau này về xây dựng lại mạng tương tác gien dựa trên nguyênlý của mạng Bayes. Hình 1. Mô hình đầu tiên của bài toán xây dựng lại mạng tương tác gien bằng mạng Bayes đề nghị bởi Friedman và cộng sự vào năm 2000. 174 Những kết quả đầu tiên của các tác giả này được phân tích nghiên cứu dựatrên một tập dữ liệu có dung lượng ở mức trung bình. Họ đã áp dụng các phươngpháp đơn g ...