《蛋白質相互作用和基因功能關聯的對稱性預測方法研究》是依託哈爾濱工業大學，由劉曉燕擔任項目負責人的面上項目。
基本介紹
- 中文名：蛋白質相互作用和基因功能關聯的對稱性預測方法研究
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：劉曉燕
項目摘要,結題摘要,
項目摘要
本項目針對生物信息學中典型的對稱性預測問題，發展適合的機器學習pairwise核方法，通過度量兩對對象之間的相似度，解決蛋白質相互作用、基因功能關聯這兩類對稱預測問題。首先，構建用於客觀反映pairwise核方法分類性能的數據集，通過平衡隨機採樣的方法構建反例數據集。然後，根據核函式的正定性約束條件，引入對稱性運算，研究pairwise核的一般規律，探尋非向量形式數據類型上的最優解求解方法，並將新型核方法用於蛋白質相互作用、基因功能關聯這兩類預測問題。最後，將傳統的直系同源方法與新型的pairwise核方法相結合，研究跨物種預測大豆蛋白質相互作用及基因功能關聯的方法，豐富相應的數據。本項目對開拓新的核函式理論與預測方法、研究人工智慧與分子生物學的結合都具有重要的理論意義，並在大豆分子功能理解方面具有潛在的套用價值。
結題摘要
生物大分子之間的互作一直是生物信息學的研究熱點之一，本項目利用信息方法，針對蛋白質相互作用（Protein-protein interaction，簡稱PPI）、基因功能關聯（Gene-gene association，簡稱GGA）這兩個問題開展工作，並以大豆（Glycine max）、人類等組學數據為基礎加以實現、驗證。項目屬於生物信息學、計算生物學交叉學科研究方向，取得如下重要結果： （1）在基因功能關聯預測方面，提出了一種GWAS中基於信息增益的基因-基因互作挖掘算法，在仿真數據和真實數據中進行了驗證。提出了利用隨機遊走策略挖掘疾病風險基因的方法，為研究複雜疾病的相關基因及其作用機制提供了一種新途徑。研究了組織共有eQTL的識別方法，有別於此前多項研究對組織特異eQTL的功能分析。 （2）研究了蛋白質功能預測的相關計算問題，包括基於序列和基於PPI網路的兩種預測方法。首先提出了一種基於序列結構域組成的蛋白質功能預測方法，它不受其它複雜生物特徵提取難度的限制。對於後者，在提出基於GO注釋信息蛋白質功能相似性計算方法基礎上，給出了基於結構域相互作用的PPI網路構建算法，進而完成功能預測研究。 （3）在跨物種預測大豆GGA和PPI方面，提出了一種基於靶基因網路推導大豆microRNA功能網路（miRFN）的方法，該方法也適用於其它模式或非模式生物；實現了大豆miRFN及其靶基因網路的相關信息檢索與分析線上工具，將有助於在系統水平上揭示miRNA-miRNA和miRNA-基因互作機制。同時，構建了一個關於大豆功能基因網路和大豆miRNA功能網路的資料庫——大豆功能網路資料庫（SoyFN），受到人們關注。 （4）在機器學習相關算法研究方面，提出了一種基於SVM的主動學習算法，用來解決蛋白質相互作用的預測問題。同時，針對生物信息學中正、反例不平衡問題，給出了構造合理反例集的算法，用於基於蛋白質互作數據的基因功能推斷方法。 共發表論文35篇，其中國際刊物20篇、國核心心刊物12篇、國際會議論文3篇；SCI、EI分別收錄20篇、5篇。授權軟體著作權2項。結合本項目研究工作，培養博士生6人（已畢業4人）、碩士生8人（已畢業6人）。 本項目將對蛋白質互作、基因互作關係預測的信息方法研究具有重要的理論意義，並可為生物學家理解大豆分子功能提供一定的借鑑。
