基於組織特異網路模型的致病基因預測算法研究

《基於組織特異網路模型的致病基因預測算法研究》是依託西安電子科技大學，由鄧岳擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於組織特異網路模型的致病基因預測算法研究
• 項目類別：青年科學基金項目
• 項目負責人：鄧岳
• 依託單位：西安電子科技大學

中文摘要

預測遺傳疾病的致病基因為遺傳疾病的預防、診斷與治療提供了靶標，已成為後基因組時代人類健康研究的重要挑戰。儘管目前的致病基因預測算法研究已取得了大量成果，但絕大多數已有算法並未考慮疾病通常只會影響一個或少數幾個組織的事實，導致大量與疾病所影響的組織無關的數據被引入，對預測的貢獻很低甚至會造成負面影響。本項目擬利用組織特異數據濾除與預測疾病組織無關的數據，同時利用表型相似性刻畫疾病間及基因間表型層面的關聯關係，通過在分子網路上集成疾病組織特異數據與表型本體數據構建組織特異網路，提高數據的準確性和覆蓋率。通過分析組織特異網路與普通網路的差異，針對組織特異網路的拓撲特徵，研究基於異質網路挖掘的有效致病基因預測算法，並將其實現為軟體工具。

結題摘要

發現遺傳疾病的致病基因是研究遺傳疾病致病機理的核心問題。儘管生物網路已成為研究人類疾病的重要數據源，但絕大多數基於網路的致病基因預測算法並未考慮遺傳疾病的組織特異性，研究較少的疾病的數據積累也並不充足。 本項目針對生物網路，研究在蛋白質相互作用網路、疾病網路上集成疾病組織特異性數據與表型信息，進行致病基因預測的方法。此外，還進行了長非編碼RNA、藥物與疾病的關聯研究。 主要研究進展包括： 提出了在蛋白質相互作用網路和疾病網路上集成疾病組織特異性數據與表型信息的方法，並分析了不同數據源對疾病基因預測結果提升的貢獻；提出人類調控網路中多樣化控制路徑模式，提出基於基因控制生物網路範圍及基因間功能相似性進行疾病基因預測方法。 提出了集成人類和小鼠的組織特異蛋白質相互作用數據，構建跨物種組織特異網路的方法；對人與小鼠的長非編碼RNA二級結構與功能關聯進行研究，分析比較了長非編碼RNA與mRNA在二級結構層面的多角度差異。 基於網路模組性，提出一種基於藥物副作用和疾病臨床症狀預測藥物-疾病相關性的方法；提出了一種基於模組距離預測疾病-藥物相關性的方法。基於多源隨機遊走算法，提出一個新的框架對潛在治療肝癌的藥物進行預測。定義了用於刻畫網路社團結構的2-club子結構，基於triad-rich子結構提出邊Niche中心性，設計了用於社團結構檢測的算法。 本項目取得的創新成果主要包括： 1. 已發表SCI檢索論文9篇； 2. 榮獲中國電子學會科學技術二等獎1項； 3. 國家發明專利授權1項、申請1項。