《基於多目標蟻群最佳化的轉錄調控網路全局重構》是依託上海交通大學，由劉琪擔任項目負責人的面上項目。
基本介紹
- 中文名：基於多目標蟻群最佳化的轉錄調控網路全局重構
- 項目類別：面上項目
- 項目負責人：劉琪
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
基於大規模數據重構基因之間的複雜調控關係是生命科學中的研究熱點和難點。由於各數據僅能提供關於調控的部分、片面的信息且存在噪聲，綜合多種數據成為發展新的調控網路重構技術的必然趨勢。目前綜合多種數據來重構調控網路的方法存在三個制約其性能的瓶頸問題：（1）都是局部的建模，未考慮基因之間和轉錄因子之間的相互關係；（2）閾值的設定造成信息的丟失，且閾值設定都帶有任意性和主觀性；（3）未考慮各數據在揭示調控關係上的相對重要性。本項目旨在基於多目標蟻群最佳化，綜合那些揭示調控關係的直接證據和間接證據，運用直接證據建立轉錄因子-靶基因對的機率矩陣作為啟發信息，間接證據構建的能量函式對不同的網路結構進行評估，從而解決上述三個問題，發展調控網路全局建模的方法，使構建的調控網路獲得儘可能高的可靠性和覆蓋率。
結題摘要
基於多種組學數據重構基因之間的複雜調控關係是生命科學中的研究熱點和難點。本項目旨在通過有效整合多種生物學數據來發展大規模重構基因調控網路的新方法。項目主要分為兩個內容：（1）整合多種生物學數據，利用基因之間和轉錄因子之間的相互關係（包括共結合,共表達等）建立評估網路性能和準確性的能量函式，發展全局重構轉錄調控網路的新方法；（2）將在轉錄調控網路中發展的研究方法擴展到轉錄後調控網路，更加全面地研究基因表達調控的機理，以及不同調控層次之間的協同和互作。通過本項目，我們基於轉錄組數據和ChIP-chip數據，發展了轉錄調控網路的全局重構方法TReNGO。TReNGO突破了已有方法設定閾值的限制，通過定義能量函式和模擬退火方法，能在全局範圍內搜尋最優的網路結構，從而找到更具有生物學意義的調控關係。我們綜合蛋白質翻譯後修飾數據構建轉錄因子（TF）級聯調控通路，這種多層的調控網路模型能更準確地識別出關鍵調控因子， 證實了轉錄級聯調控的可能性和蛋白質修飾數據在級聯調控模型中的重要作用。此外，我們綜合轉錄組學和蛋白質組學數據對microRNA的調控機制進行了研究，發現了抑制蛋白質翻譯在microRNA調控機制上的重要性。本項目發展的研究方法能幫助識別重要疾病過程中關鍵的調控因子，為疾病的治療和預防提供可能的手段和方法。
