基于化学计量学方法的生物组学数据整合分析

Recently the high-throughput biological experiment technology has made great progress. Genomics, epigenomics, proteomics and other biological big data have been rapid accumulated. It becomes a big challenge to researchers how to extract the valuable information efficiently from diversity big biological data. To address this challenge, the project will focus on two levels: first, at the molecular level of biological regulation mechanisms, efforts would be devoted to develop a computational framework for integrating various types of existing high-throughput biological data. Here mathematical statistics, chemometrics algorithms and computer-aided technology will be employed. And then, the regulation mechanism of gene, protein and other biological elements will be deeply investigated to deduce general knowledge and laws. Secondly, the biological systems, mainly for human diseases related biological progress, will be investigated on basis of the aforementioned integrated methods. The exploring human disease pathogenesis and related mechanisms could benefit the personalized medicine, new drug design and the public health and medicine.

高通量检测技术的迅速发展，促进了基因组学等的飞速发展，积累了转录组，表观基因组和蛋白组等海量生物大数据。如何合理高效地从这些生物大数据中，提取出有价值的信息，已经成为了研究工作者的一个挑战。针对这个挑战，本项目拟展开两个层次的研究：首先，着眼于微观的生物调控机制层次，充分基于现有的不同类型的高通量生物数据，结合化学计量学算法、数理统计学和其他计算机辅助技术，开发出可以合理整合分析多组学信息的计算模型框架；并对于基因，蛋白质等基本生物元件之间的调控机理，进行深入的挖掘，以期揭示基因调控的知识和规律。然后，着眼于宏观的生物体系，这里主要针对人类疾病体系，基于前一层次的研究方法和结果，探究人类疾病致病以及相关联的分子机制，对于疾病的微观机制的研究将对个性化医疗，新药的研发等公共医疗卫生领域提供重要的前期参考。

高通量检测技术的迅速发展，促进了基因组学等的飞速发展，积累了转录组，表观基因组和蛋白组等海量生物大数据。如何合理高效地从这些生物大数据中，提取出有价值的信息，已经成为了研究工作者的一个挑战。针对这个挑战，本项目拟展开两个层次的研究：首先，着眼于微观的生物调控机制层次，充分基于现有的不同类型的高通量生物数据，结合化学计量学算法、数理统计学和其他计算机辅助技术，开发出可以合理整合分析多组学信息的计算模型框架 ；并对于基因，蛋白质等基本生物元件之间的调控机理，进行深入的挖掘，以期揭示基因调控的知识和规律。然后，着眼于宏观的生物体系，这里主要针对人类疾病体系，基于前一层次的研究方法和结果，探究人类疾病致病以及相关联的分子机制，对于疾病的微观机制的研究将对个性化医疗，新药的研发等公共医疗卫生领域提供重要的前期参考。