基于蛋白质相互作用网络的复杂疾病分子机理研究

The prediction of disease genes and the identification of potential drug target is a hot research topic in biomedical field. Exploring the molecular mechanism of complex disease based on protein-protein interaction networks provides a new idea to predict disease genes and identify potential drug target. Based on protein-protein interaction networks and structured sparse graph model, this project is committed to some medical and pharmacological researches such as disease genes prediction and potential drug target identification. This project will focus on the following three problems: (1) the construction of structured sparse graph model; (2) the reconstruction of high quality protein-protein interaction network; (3) the prediction of disease genes and the identification of potential drug target. In this project, we will design a novel structured sparse graph model which can fit the topological feature of the protein-protein interaction network. Furthermore, we try to perform protein interaction network reconstruction, disease genes prediction and potential drug target identification similtaneously.

疾病相关基因预测和药物靶蛋白侦测是当今生物医疗领域的热点研究课题。基于蛋白质相互作用网络的复杂疾病分子机理研究为疾病相关基因预测及潜藏药物靶蛋白侦测提供了新思路。本项目将以蛋白质相互作用网络为基本点，以数据科学中的结构化稀疏图模型为基本工具，对疾病相关基因预测及药物靶蛋白侦测等医学及药学问题展开研究。本项目将重点研究：（1）结构化稀疏图模型构建；（2）高精度蛋白质相互作用网络重构；（3）疾病相关基因预测和药物靶蛋白侦测。本项目的创新之处在于将结构化稀疏图模型与蛋白质相互作用网络结构特征相结合，并将蛋白质网络构建、疾病相关基因预测及药物靶蛋白侦测这三个任务相结合。本项目的研究不仅丰富复杂网络、机器学习理论和统计科学理论，还为发现新的生物现象、指导生物实验和药物设计提供可能。

疾病相关基因预测和药物靶蛋白侦测是当今生物医疗领域的热点研究课题。基于蛋白质相互作用网络的复杂疾病分子机理研究为疾病相关基因预测及潜藏药物靶蛋白侦测提供了新思路。. 本项目以蛋白质相互作用网络为基本点，以数据科学中的结构化稀疏图模型为基本工具，对蛋白质相互作用网络重构、蛋白质功能模块挖掘以及驱动蛋白质识别等生物学和医学问题展开研究。. 项目取得了如下研究成果：（1）设计了基于图小波和网络反卷积的蛋白质相互作用预测和网络重构算法；（2）基于随机图模型和矩阵分解模型，设计了多种数据融合算法识别静态蛋白质相互作用网络、动态蛋白质相互作用网络和符号网络中的蛋白质功能模块；（3）设计了基于最小值支配集模型的驱动蛋白质和组织特异驱动蛋白质识别算法。（4）尝试将多尺度特征构造与匹配思想应用于其他高维数据，得到了一些有意义的结果。. 项目完成了预定的研究任务。已在SCI源期刊（二区以上）发表论文19篇。项目获授权国家发明专利1项。培养博士研究生3名，硕士研究生若干。. 本项目的研究成果不仅丰富了复杂网络、机器学习理论和统计科学理论，还为发现新的生物现象、指导生物实验和药物设计提供可能。