整合高通量基因、代谢子和通路结构信息的癌症风险代谢通路区域系统识别

The initiation and progression of cancer are closely related to functional abnormality of metabolic pathways. The high-throughput genomics and metabolomics techniques make us able to apply bioinformatics methods to disease risk metabolic pathway region identification. Moreover, the bioinformatics methods have become common strategy of identifying disease risk metabolic pathways. However, the existing methods usually only adopt single statistical evaluation and obviously lack integration, analysis and utilization for multiple molecular information in pathways associated with specific diseases. This leads to low accuracy and stability of identification for cancer risk pathway regions. In this project, we propose a bioinformatics method for accurately identifying high risk metabolic pathway regions associated with cancer, which is an attempt to more accurate level of pathway analysis through integrating information of cancer genes, metabolites and pathway structure in graph model of reconstructed pathways. Furthermore, gene expression data and metabolite concentration data are used to improve pathway identification. Through effectively integrating, analyzing and using gene, metabolite and pathway structure information, we expect that our method can accurately locate cancer risk metabolic pathway regions. In this project, we will also use multiple high-throughput data including different cancer classes to evaluate our method for effectively increasing accuracy and stability of the analysis results. Finally, we will construct the corresponding pathway analysis platform for providing the identification functions of risk pathway regions for multiple cancers. This project will be very meaningful for exploring mechanism of the initiation and progression of cancer from the viewpoint of pathways.

癌症发生、发展与代谢通路的功能异常密切相关。高通量的基因组学、代谢组学技术的涌现使生物信息学方法能够开始应用到疾病风险代谢通路区域识别，并迅速成为常规的识别疾病风险代谢通路策略。然而，现存的方法往往采用单一的统计学评价，缺乏对通路分子信息的整合和特定疾病信息的具体分析和利用。这严重限制了癌症通路区域的识别精确度和稳定性。本项目提出整合癌症基因数据、基因表达谱数据和代谢子及其浓度数据，以重构通路获得的有向图模型为整合依托，研究利用通路结构信息精细识别癌症高风险代谢通路区域的生物信息学方法。通过对癌症基因、代谢子信息和通路结构信息有效的整合、分析和利用，尝试精确定位癌症的风险通路区域。本课题将利用多种癌症和同种癌症的多套高通量数据进行通路分析，以提高预测癌症的风险通路区域的精确度和稳定性。最终构建分析平台提供识别多种癌症风险代谢通路区域的功能。本课题对阐明癌症发生、发展的通路机制具有重要意义。

癌症发生、发展与通路的异常紧密相关。高通量的基因组学和代谢组学技术使生物信息学方法能够开始应用到疾病风险代谢通路区域识别。并且，多种生物信息方法已经成为广泛流行的识别疾病风险代谢通路策略。然而，目前的方法通常使用简单的统计学评价策略，缺乏对通路分子互作信息的整合和特定疾病信息的具体分析和利用。这导致了癌症通路区域的识别精确度和稳定性的下降。本项目提出整合癌症基因数据、基因表达谱数据和代谢子及其浓度数据，以重构通路获得的有向图模型为整合依托，研究利用通路结构信息精细识别癌症高风险代谢通路区域的生物信息学新方法。通过多套癌症数据（包括：结肠癌、前列腺癌等）的分析， 结果显示该方法能够识别出被全通路分析方法忽略的通路。进一步的分析表明基因与代谢子的联合及子通路的策略可能对于更可靠的召回疾病相关通路和发现新疾病通路发挥着重要作用。因此，我们继续通过对基因、代谢子信息和通路结构信息有效的整合、分析和利用，精确定位癌症的风险通路区域。通过多种癌症数据的分析显示了通路结构的使用对于疾病分类具有高的精确性和稳定性，并且优于其它几个基于基因和通路的分类方法。我们使用通路数据库中的基因和代谢子信息构建了全局的代谢子网络和基因网络，并利用随机游走计算基因和代谢子对全局网络的影响。这提供了新的策略来检测基因和代谢子在通路中的生物学状态相关的改变。另外，我们发现非编码RNA能够帮助改善通路和子通路分析。本课题对阐明癌症发生、发展的通路机制具有重要意义。本项目已发表论文18篇(SCI收录18篇)。