面向基因表达数据分析的贝叶斯网方法研究

本项目旨在改进和扩展已有的贝叶斯网学习理论，提出新的贝叶斯网学习方法，扩展贝叶斯网的表达能力；并进一步根据基因表达数据的特点，利用国内、外公开提供的基因芯片表达数据库，对基因表达数据进行大量的并行分析，研究基因之间的表达调控关系。重点研究(1)隐藏变量的自动发现方法，以刻画蛋白质等分子和非基因因素对基因表达的调控；(2)连续变量的离散方法，以描述含有连续变量和离散变量的混合模型；(3) 动态贝叶斯网的学习方法，以建模基因表达的动态过程；(4)在上述研究基础上，研制自主的软件分析平台并进行实际应用，主要分析肝癌细胞和正常细胞表达谱数据，以发现差异表达基因及其在功能上的相互关系，为肝癌诊断和肝癌治疗提供帮助。.本项目研究对于复杂知识的表示及处理有重要的理论意义，并有助于深入了解基因功能、理解遗传网络，提供许多疾病发病机制的信息，在药物开发和疾病的早期诊断等方面有着广阔的应用前景。