《基因調控網路構建及其拓撲結構分析的研究》是依託吉林大學，由劉桂霞擔任項目負責人的面上項目。
基本介紹
- 中文名：基因調控網路構建及其拓撲結構分析的研究
- 項目類別：面上項目
- 項目負責人：劉桂霞
- 依託單位：吉林大學
項目摘要,結題摘要,
項目摘要
分子生物學的深入研究揭示了複雜生命現象是基因相互調控的結果，但至今尚未完全清楚基因調控的機制，為理解生物系統的內在模式和調控機制，構建與分析基因調控網路是一種有效的途徑,並成為生物信息學研究的前沿和熱點。本項目針對當前基因調控網路研究分析的局限，採用新的信息融合技術解決異源、異質的基因表達數據的獨立性和低信息問題；提出新的聚類分析方法，解決基因表達數據的維數災難，並發現調控模組；提出新的數學模型和新的最佳化策略實現基因調控網路的構建分析；引入複雜網路特性對基因調控網路的拓撲結構進行分析，通過網路狀態描述建立網路拓撲結構與基因功能之間的映射，從而深入理解基因調控機理；研發基因調控網路重構與分析軟體。本項目的研究以期實現基因調控網路的自動識別，推動系統生物學的研究發展，對於探究疑難疾病的發病機理和藥物設計等具有重要的理論意義和套用價值。
結題摘要
本項目針對以下六個方面進行了研究。發表論文23篇，SCI檢索8，EI檢索12；收到錄用通知2篇，在投4篇。獲得吉林省科技進步二等獎一項，軟體著作權一個，正在撰寫一份專利申請材料。項目的研究工作按計畫進行，為課題組進一步研究複雜疾病生物網路奠定了堅實基礎。①針對差異表達基因識別研究：設計實現TM算法，提出新模型GRP，設計了FM算法，提出RSDM算法，實驗證明這些算法簡單有效。②針對基因表達數據聚類分析：提出聚類算法GKM；創新提出最佳化算法GFA；提出IGFA算法。提出新的PSOP-AP 聚類算法；提出AP-SVM分類器, 提出GR-MOPSO算法，把這些算法套用基因表達數據和生物醫數據中，證明他們的有效性。③針對基因調控網路重構：創新提出用模糊神經網路模型來推斷強調控子和相互關聯的模糊規則。將算法得到的調控關係與資料庫中的調控模組進行比較，準確率為84.28%；創新提出基於重連線方法的無標度網路構建算法，用NETI，ARACNE，Banjo運行此模擬剖面算法，證明其具有良好性能；提出邊排序貝葉斯網路結構學習算法，在不同試驗條件下的表達數據進行融合，結果正確率提高12%；提出一種新的遞歸神經網路模型，實驗驗證了它的有效性；創新提出數據融合方法構建基因調控網路，使用數據GDS38，驗證算法的有效性。④關於pathway拓撲結構推理研究：提出融合多種數據pathway拓撲結構推理方法. MAPK/Erk pathway 的重構實驗證明了算法有效性；提出基於HMM模型的信號轉導pathway重構的新方法，實現了PKA pathway和MAPK pathway的重構，以Cell Signaling數據驗證了準確性。⑤關於蛋白質互動模組識別算法：提出了一種節點展開模型，然後定義蛋白質網路拓撲信息，基於這些定義，提出一種蛋白質互動模組識別算法。用Map reduce對具有隨機選擇思想的算法進行了並行化，具有較高的加速比。這些算法，使用Gene Ontology和pathway富集分析之後，我們發現識別的模組都有較好的生物學解釋，並且與癌症緊密相關。⑥跨膜蛋白摺疊識別方法研究取得較好的實驗效果。本項目的研究成果豐富了計算智慧型理論的套用研究，為生物信息學領域的相關研究提供了新方法和新手段。
