《基於多組學數據整合的疾病基因預測方法研究》是依託復旦大學，由趙興明擔任項目負責人的面上項目。
基本介紹
- 中文名：基於多組學數據整合的疾病基因預測方法研究
- 依託單位：復旦大學
- 項目類別：面上項目
- 項目負責人：趙興明
項目摘要,結題摘要,
項目摘要
疾病基因的識別可以幫助理解疾病的發生與發展機制，為疾病的預防和治療提供幫助。本項目旨在開發新的智慧型計算方法與模型，通過挖掘公共生物組學大數據，預測疾病相關基因，並進一步預測可能的藥靶。為此，本項目將首先開發新的機器學習算法，對疾病相關的驅動突變進行預測，並找到可能的疾病基因；其次，基於已知疾病基因的先驗知識，結合疾病基因在分子網路上的模組化特性，開發新的圖聚類算法識別疾病相關分子網路模組；再次，利用疾病的語義相關性和相關分子網路模組，構建疾病關聯網路；最後，基於疾病-基因異構網路，發展新的算法與模型，預測疾病基因（包括非編碼基因）。鑒於多種組學數據之間的一致性和互補性，本項目還將以分子網路為載體，開發高效的數據整合算法，以提高預測的精度。本項目的研究有助於認識複雜疾病的發生機制，為新藥開發和提升健康水平提供有力支持。另外，研究成果對於其他類型大數據的研究也具有重要的參考價值。
結題摘要
1. 項目背景疾病基因的識別可以幫助理解疾病的發生與發展機制。本項目旨在開發新的智慧型計算方法與模型，通過生物組學大數據的挖掘公共生物組學大數據，預測疾病相關基因，並進一步預測可能的藥靶。2. 主要研究內容本項目的主要研究內容如下：（1）疾病基因識別與疾病驅動突變預測算法；（2）多組學數據整合算法；（3）生物網路的建模與挖掘算法。3. 重要成果針對乳腺癌轉移，開發了高效智慧型算法，識別了乳腺癌轉移相關的驅動突變，並進一步利用分子生物實驗驗證了相關預測結果，該項研究為理解乳腺癌轉移發生的分子機制奠定了理論基礎，為未來新藥研發提供了技術支撐。疾病併發症是臨床中常見的現象，為疾病的靶向治療造成了極大困難。開發了一種新穎的疾病併發症預測法PCID，通過整合不同類型的數據，可以精確預測疾病的併發症狀，為設計治療方案提供了理論指導。針對預測藥物與疾病之間的關聯，課題組提出了一種基於網路嵌入的網路表示學習方法（HED），利用已知藥物-疾病關聯構建異構網路，利用網路嵌入來描述藥物-疾病關聯，然後訓練一個分類器來預測新的潛在藥物-疾病關聯。實際數據集的結果表明，HED的表現優於現有的流行方法。通過該方法進行的一些預測已經被來自文獻的證據所證實。如最初用於治療心力衰竭、左心室功能不全和高血壓的藥物卡維地洛(Carvedilol)被HED預測可用於治療房顫，這得到了臨床試驗的支持。為未來藥物研發及藥物與疾病的關聯提供了理論和技術支持。4. 關鍵數據在項目執行期間，本課題的研究成果總計發表SCI收錄學術論文25篇，獲得兩項專利授權。項目負責人以第一完成人榮獲了教育部自然科學二等獎。組織召開2場學術研討會議，參加6場國際學術會議並在部分會議中做邀請報告，邀請6名著名研究機構學者到訪進行講學/交流，培養人才培養1名博士後、2名博士生、5名碩士生。5. 科學意義本項目的研究有助於認識理解複雜疾病的發生髮展的分子機制，為新藥開發和提升健康水平提供有力支持。另外，本研究成果所開發的智慧型算法對於其他類型大數據挖掘的研究也具有重要的參考價值。
