《代謝組學中時間序列算法及套用研究》是依託大連理工大學,由林曉惠擔任醒目負責人的面上項目。
基本介紹
- 中文名：代謝組學中時間序列算法及套用研究
- 依託單位：大連理工大學
- 項目類別：面上項目
- 項目負責人：林曉惠
項目摘要,結題摘要,
項目摘要
在代謝組學中，從代謝時間序列數據中提取與問題相關的關鍵代謝成分，分析其代謝軌跡，研究其在生理過程中的網路變化關係，對疾病致病機理、藥物毒性和療效研究具有重要意義，是生物信息學的一個重要研究課題。本項目擬根據代謝數據的個體差異及共性，研製一種基於變數的代謝軌跡的融合聚類算法和一種新的在聚類基礎上對變數組評價的特徵選擇算法，以克服現有特徵選擇技術對參數和樣本的敏感性，確定不同時間點具有顯著差異的代謝物，分析代謝水平變化趨勢。研製一種穩健的代謝網路構建算法，通過動態跟蹤網路拓撲特性的變化，確定代謝過程中的關鍵代謝成分和關鍵時間點，確定發生改變的關鍵途徑，給出樣本總體代謝軌跡的變化趨勢，並將算法用於肝癌發生相關的人群樣本時間序列代謝組學數據中，提取與肝癌發生髮展相關的生物標誌物。本項目的研究也為其它疾病的診斷、致病機理與藥物療效研究提供必需的信息處理新方法。
結題摘要
從代謝時間序列數據中提取與問題相關的關鍵代謝成分，分析其代謝軌跡，研究其在生理過程中的網路關係變化，對疾病致病機理、藥物毒性和療效研究具有重要意義，是生物信息學的一個重要研究課題。 本項目首先建立了基於有效範圍非重疊率的代謝網路分析新方法，關聯時間維度的變化，從整體上探究病變過程中通路反應的持續紊亂程度，確定疾病惡化的關鍵節點和預警信號。其次建立了基於差異網路的數據分析方法，從通路反應之間的關聯性上尋找反映病變的重要代謝特徵，提高方法的穩定性。研製了新的組合變數數據分析方法，分析變數間的水平關係，構造富含信息的線性組合，所構建的組合不只限於2個變數，而是由算法分析的結果動態確定，以更準確刻畫變數之間的相互作用。發展了有效的峰匹配算法和基於離子融合方法的高分辨質譜代謝組學數據處理新策略等；提出了FS-FOGO等一系列特徵選擇算法，建立了“LC-MS時間序列數據處理系統”。 我們將所發展的方法用於研究肝癌發生髮展過程中血清中極性、脂類等代謝組的動態連續變化，從中篩選肝癌的診斷標誌物及肝癌的早期預警信號。確定的比值標誌物creatine/betaine可反映體內甲基化平衡的紊亂。基於受試者操作特性曲線分析結果表明該比值能有效區分癌前高風險的硬化階段與肝癌，可作為肝癌，特別是小肝癌的早期診斷標誌物，同時與目前臨床常用標誌物甲胎蛋白（AFP）互補，可有效提高診斷能力。確定的LPC 18:1/FFA 20:5比值變數在非肝癌階段平穩，而在肝癌階段顯著升高，與非肝癌階段有顯著性差異。確定的比值變數N,N-dimethylglycine/threonic acid從肝炎、肝硬化到肝癌階段逐漸下降，在肝癌和非肝癌樣本間存在顯著差異，能有效區分肝炎、肝硬化和肝癌三個不同階段，既可以作為肝病診斷的標誌物，也可作為肝癌發生的早期預警信號。 項目的研究工作為疾病診斷、個性化治療、惡性腫瘤的早期預警研究提供了數據分析的新方法。相應研究工作在國際國內著名學術期刊、國際學術會議上發表學術論文26篇（其中SCI檢索18篇次）；獲得國內發明專利授權3項，申請4項。
