《腫瘤基因表達譜數據分析及套用算法研究》是依託湖南大學，由廖波擔任項目負責人的面上項目。
基本介紹
- 中文名：腫瘤基因表達譜數據分析及套用算法研究
- 項目類別：面上項目
- 項目負責人：廖波
- 依託單位：湖南大學
中文摘要,結題摘要,
中文摘要
近幾年隨著表達譜晶片技術的日趨成熟，大量研究結果產生了海量的生物醫學數據，如何從海量的生物醫學數據中挖掘出有生物醫學意義的知識與規律仍然是當前生物信息學研究中所面臨的挑戰性問題。本項研究以腫瘤基因表達譜數據分析為基礎，開展基因調控網路、腫瘤特徵基因選擇和腫瘤亞型識別研究：針對基因表達譜數據的特點，綜合利用計算方法、Huber魯棒估計和流行學習給出一種基因表達譜數據相似性度量模型；為了有效地抽取腫瘤相關的分類特徵以及選擇腫瘤相關基因，設計一種具有明確生物意義的多標記學習算法來選擇擁有最高分類準確率的特徵基因子集，並構建數學模型進行性能評估；結合因子分析技術和網路分量分析算法構建腫瘤基因調控網路，研究腫瘤基因調控機理，進而發現重要的腫瘤相關基因；綜合利用腫瘤特徵基因及其調控信息，提出基於雙向聚類的腫瘤亞型識別算法，為揭示腫瘤的發生髮展機理及臨床診斷與防治提供分子水平上的科學依據。
結題摘要
隨著表達譜晶片技術的日趨成熟，大量研究結果產生了海量的生物醫學數據，如何從海量的生物醫學數據中挖掘出有生物醫學意義的知識與規律仍然是當前生物信息學研究中所面臨的挑戰性問題。本項研究以腫瘤基因表達譜數據分析為基礎，開展基因調控網路、腫瘤特徵基因選擇和腫瘤亞型識別研究。主要研究內容及成果有：針對基因表達譜數據的特點，綜合利用計算方法、Huber魯棒估計和流行學習給出一種基因表達譜數據相似性度量模型；為了有效地抽取腫瘤相關的分類特徵以及選擇腫瘤相關基因，設計一種具有明確生物意義的多標記學習算法來選擇擁有最高分類準確率的特徵基因子集，並構建數學模型進行性能評估；結合因子分析技術和網路分量分析算法構建腫瘤基因調控網路，研究腫瘤基因調控機理，進而發現重要的腫瘤相關基因；綜合利用腫瘤特徵基因及其調控信息，提出基於雙向聚類的腫瘤亞型識別算法，為揭示腫瘤的發生髮展機理及臨床診斷與防治提供分子水平上的科學依據。
