《基於網路的複雜疾病動態表觀修飾模組挖掘》是依託西安電子科技大學，由馬小科擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於網路的複雜疾病動態表觀修飾模組挖掘
- 項目類別：青年科學基金項目
- 項目負責人：馬小科
- 依託單位：西安電子科技大學
中文摘要,結題摘要,
中文摘要
複雜疾病是困擾人類健康的首要因素，其發病原理的揭示是疾病預防與治療的前提，也是國際研究的熱點問題。如何從多層面、多因素、時間序列等方面研究複雜疾病的發病原理，不僅具有重要的理論研究意義，而且具有重要的套用價值。本項目從遺傳學與表觀遺傳學兩個方面研究複雜疾病惡化過程中代謝路徑的動態行為。項目首先利用疾病甲基化數據與基因表達數據，構建疾病惡化過程中的共甲基化與共表達時序網路；其次研究動態網路的拓撲指標，並分析甲基化與基因表達動態行為的相關性，為進一步分析網路性質提供計算手段；設計高效的疾病階段特異性模組檢測算法，並設計快速、有效的方法提取時序網路的動態模組結構；最後分析動態模組的生物功能，進一步研究關鍵模組在表觀遺傳與遺傳兩方面的相關性，推演動態甲基化模組與複雜疾病的關聯關係。
結題摘要
複雜疾病是困擾人類健康的首要因素，其發病原理的揭示是疾病預防與治療的前提，也是國際研究的熱點問題。如何從多層面、多因素、時間序列等方面研究複雜疾病的發病原理，不僅具有重要的理論研究意義，而且具有重要的套用價值。 項目從遺傳學與表觀遺傳學兩個方面研究複雜疾病惡化過程中代謝路徑的動態行為。利用疾病甲基化數據與基因表達數據，構建疾病惡化過程中的共甲基化與共表達時序網路；研究動態網路的拓撲指標，分析甲基化與基因表達動態行為的相關性，設計高效的疾病階段特異性模組檢測算法，並設計快速、有效的方法提取時序網路的動態模組結構。 針對關鍵學術問題，圍繞整體研究目標，項目順利開展，在國際著名期刊發表與錄用SCI論文14篇，申請國家專利1項，獲得的重要結果包括：① 通過拓展單層網路聚類算法，使得其能夠適用於多層網路，證明了多層網路聚類算法在目標函式上的等價性，提出了基於聯合非負矩陣分解算法的多層網路聚類算法；② 證明了基於時序平滑框架的動態網路聚類算法的等價性，提出了基於辦監督的非負矩陣分解算法挖掘演化模組； ③ 針對時序網路連結不完備性，提出了基於特徵壓縮的時序鏈路預測算法，解決了基於網路壓縮算法的信息丟失問題； ④針對多層網路中的條件特異性模組刻畫困難這一問題，將特異性模組挖掘問題轉化為最佳化問題，提出了啟發式算法挖掘條件特異性模組； ⑤針對多組學異質數據融合問題，提出了基於正則化矩陣分解算法有效融合甲基化數據與蛋白質互動網路數據。課題研究對於理解疾病發病原理、完善圖理論與機器學習等相關領域的基礎理論具有積極的推動作用。研究成果對於揭示生物生命過程的內部結構、複雜疾病的治療與藥物發現具有重要的意義。
