基于单样本网络识别人类复杂疾病相关LncRNA的数学模型和方法研究

Increasing researches have demonstrated that long noncoding RNAs (lncRNAs) are associated with many complex human diseases. With the increasing number of the lncRNAs and rapid development of the computing tools, how to identify the complex disease associated lncRNAs using the computational method is currently an important bioinformatics problem. Based on the lncRNAs expression data of complex human disease, our study will launch the relative studies for identifying the complex disease related lncRNAs in view of some scientific problems：1) For solving the problem of missing the gene expression data and high noise, we propose a data integration method by wavelet transform; 2) Based on statistical perturbation analysis, we construct the dynamic single-sample network for individual, by which we can achieve to identify the related lncRNAs and find the pathogenic module; 3) Taken lung, liver cancers as examples, we use the machine learning tools to examine the recognition performance of our method. Our study would provide the scientific evidence from the system level for biomarker identification and drug discovery for human disease diagnosis, treatment, and prevention.

越来越多的研究表明长非编码RNA(lncRNAs)与很多人类复杂疾病都有着密切的关联。随着lncRNAs数量的不断增多以及计算工具的迅速发展，如何利用计算方法识别与人类复杂疾病相关的lncRNAs是当前生物信息学所面临的重要问题。本项目将以lncRNAs表达数据为基础，针对人类复杂疾病相关lncRNAs识别的数学模型和方法等科学问题开展相关研究：（1）基于小波变换等方法提出一种数据整合方法，解决数据缺失和高噪声等问题；（2）利用干扰统计分析，建立样本个体动态的单样本网络模型，实现复杂疾病相关lncRNAs的识别和疾病模块的发现；（3）以肺癌、肝癌等多发癌为例，利用机器学习方法检验我们提出模型的识别性能。本项目的研究将为人类复杂疾病诊断、治疗和预防等过程中生物标志物的识别和药物的发现提供系统水平的理论依据。

人类复杂疾病相关lncRNA分子标志物的识别研究是近些年生物医学领域研究的热点问题之一。研究表明，复杂疾病的发生通常并不是由于单个分子的功能障碍导致，而是由于随着时间和条件的动态变化，相关系统或者网络的功能紊乱而引起。单样本网络能够准确可靠的表征疾病个体的特定疾病状态，可以直接用于识别分子生物标志物和疾病通路，并进一步阐明患者个体的疾病分子机制。本项目将肝细胞癌、肺腺癌、乳腺癌等复杂疾病的表达和临床数据作为项目研究的关键数据,主要研究了如何利用干扰统计分析构建人类复杂疾病的单样本网络模型，以及如何对单样本网络进行分析从而识别出与人类复杂疾病相关的LncRNA分子标志物和疾病模块的方法。利用本项目建立的模型和提出的方法，对于肝细胞癌、肺腺癌等复杂疾病，识别出与其发生发展具有关联性的关键LncRNA分子标志物。通过生存分析、功能分析以及其他平台相关数据的验证，结果表明本项目提出的模型和方法对于人类复杂疾病相关LncRNA的识别具有一定的有效性。本项目的研究不仅对于从系统和网络水平探寻复杂疾病发生发展的LncRNA分子机制有着积极意义，而且也为个性化医疗提供了一定的理论依据。