基于C-空间理论的基因调控网络构建与解析方法研究

A deep study of Gene Regulatory Network (GRN) will be able to completely uncover the function and behavior of genome from the viewpoint of systems and be helpful to understand cellular activity as well as reveal the mechanism of disease and therapy. This project is mainly focused on the following aspects. Based on the sparsity characteristics of regulatory relationships between genes, the structure sketch of GRN will be determined by integrating gene expression profiles, ChIp-chip data and other genome data. On this basis, an approximately accurate GRN will be constructed based on Probabilistic Graph Model. Using the close relation information between genes, we will develop the basic theories and algorithms of differential co-expression network analysis to recognize the differential regulatory genes. Then differential regulatory sub-networks will be constructed on this basis. Benefiting from conception of Euclidean space, this project will creatively propose a geometric random graph space theory (called C-space Theory) which is suitable for analyzing GRN, and design a mining method for detecting overlapping modular structure on the basis of C-space Theory. Finally, a software platform for constructing and resolving GRN combined with the real data will be developed based on the proposed theories and algorithms.

对基因调控网络进行深入研究能从系统角度全面揭示基因组的功能和行为，有助于系统地理解细胞活动，解释疾病与治疗的机理。本项目主要开展以下研究：基于基因之间调控关系的稀疏性特性，利用基因表达谱数据，并结合基因组、ChIP-chip数据，绘制基因调控网络结构草图，在此基础上，基于概率图模型，构建出近似逼近真实结构的基因调控网络；从基因与基因的关系入手，发展差异共表达分析基本理论与算法，识别差异调控基因，在此基础上构建差异调控子网路：借鉴欧氏空间等概念，创新性地提出适于基因调控网络分析的拟几何随机图空间理论（我们称其为C-空间理论），并提出基于C-空间理论的重叠模块挖掘方法。本项目的成功实施将形成一套规范的基因调控网络计算理论分析方法和支撑工具，这将为我国利用基因调控网络技术，提升生物学基础研究水平，提供系统框架和技术平台支撑。

基因蛋白调控网络能从系统角度全面揭示基因组的功能和行为，有助于解释细胞活动和疾病治疗机理。本项目主要开展了以下研究：基于基因间调控关系的稀疏性，来整合基因表达谱数据、ChIP-chip数据和其他类型的基因数据，进而准确地构建基因调控网络；利用基因间的关联信息，研究差异共表达分析的基础理论与算法，构建差异调控子网路。本项目基于欧式空间的条件，创新性地提出了适用于基因调控网络分析的多种分析方法，如: 二进制线性编程（BLP）、模块化因子图方法、放射性基因组学方法、基于深度学习的生成分析方法，基于组合差异基因表达网络分析方法辨识癌症发展进程中的功能网络模块，基于结构精确鉴定RNA-蛋白质结合位点的RPI-Bind预测方法，基于网络的方法（NLCFA），来整合lncRNA、蛋白编码基因和非编码miRNA之间的相关性。本项目形成了一套规范的基因蛋白调控网络计算理论分析方法和支撑工具，这为我国利用基因调控网络技术，提升生物学基础研究水平，提供了系统框架和技术平台支撑。