由于医学伦理等因素，许多疾病的研究实验无法直接对人实施，需要借助动物模型的间接研究。由于小鼠与人类的基因组中含有大量的同源基因，且目前已存在大量小鼠的相关研究数据，本文选取小鼠表型作为研究对象。通过人类疾病产生的多种表型映射到相似的小鼠疾病表型，再借由小鼠表型找到与此表型相关的小鼠基因，最后通过同源关系映射到人类基因上。

本文首先介绍了小鼠表型本体和人类表型本体的映射过程，之后通过语义相似性的计算排序候选的同源基因来预测致病基因，最后通过实验验证和结果分析，证实了本文算法的正确性和有效性。

尽管物种之间有明显的差别，但是表型相等价可以客观地被观察得到。本文通过人类表型数据和实验得到的小鼠数据来排序候选基因，以此来描述人类疾病表型。本文由人类表型本体（Human Phenotype Ontology，HPO）[11]和哺乳动物表型本体（Mammalian phenotype ontology，MPO）[12]两个本体进行映射，得到基于MPO的表型本体或基于HPO的表型本体，并从小鼠基因信息数据库（MGI）得到我们想要的表型数据，与孟德尔人类遗传在线数据库（Online Mendelian Inheritance in Man，OMIM）[13]的疾病表型相对比。以此来排序致病基因。

图1.1描述了基因与疾病的预测关系：

图1.1基因疾病预测关系

对于本文研究的描述正如上图，通过人类疾病表型映射到小鼠疾病表型，然后使用MGI中的数据找到致病的小鼠基因，以此来推断人类的致病基因。

论文结构安排

本文剩余章节安排如下：

第二章介绍文章的词法匹配的背景和相关理论和语义相似性的背景和相关理论。第三章介绍词法匹配和语义相似性的算法与实现。第四章介绍了本文是用的环境和软件包以及算法测试。第五章总结全文的成果，并对算法中存在的问题进行分析。

本文借助了动物模型，OMIM和MGI两大数据库主要完成了致病基因的预测工作，同时还借助MPO.db和HPOSim两个软件包来分别求MPO和HPO的祖先节点。本文的算法分为两个部分。

第一部分主要为基于网络本体语言的词法匹配LOOM，在这一过程中首先抽取OBO格式的部分内容然后对MP和HP表型作比较，比较主要是基于字符串的匹配，本文从正向和反向两方面来做映射，分别得到了基于MP的映射和基于HP的映射。第二部分是语义相似性，在这一部分中需要借助词法匹配过程中得到的数据。首先通过输入的疾病编号和OMIM与MGI的数据和数据之间的相联系得到MP或HP的表型，然后通过MPO.db和HPOSim软件包得到表型节点的祖先节点的集合，最后使用Jaccard系数对所有集合中的节点排序来预测致病基因，Jaccard系数是样本集的交集和样本集并集之间的比率。