基因调控网络构建及其拓扑结构分析的研究

分子生物学的深入研究揭示了复杂生命现象是基因相互调控的结果，但至今尚未完全清楚基因调控的机制，为理解生物系统的内在模式和调控机制，构建与分析基因调控网络是一种有效的途径,并成为生物信息学研究的前沿和热点。本项目针对当前基因调控网络研究分析的局限，采用新的信息融合技术解决异源、异质的基因表达数据的独立性和低信息问题；提出新的聚类分析方法，解决基因表达数据的"维数灾难"，并发现调控模块；提出新的数学模型和新的优化策略实现基因调控网络的构建分析；引入复杂网络特性对基因调控网络的拓扑结构进行分析，通过网络状态描述建立网络拓扑结构与基因功能之间的映射，从而深入理解基因调控机理；研发基因调控网络重构与分析软件。本项目的研究以期实现基因调控网络的自动识别，推动系统生物学的研究发展，对于探究疑难疾病的发病机理和药物设计等具有重要的理论意义和应用价值。

本项目针对以下六个方面进行了研究。发表论文23篇，SCI检索8，EI检索12；收到录用通知2篇，在投4篇。获得吉林省科技进步二等奖一项，软件版权一个，正在撰写一份专利申请材料。项目的研究工作按计划进行，为课题组进一步研究复杂疾病生物网络奠定了坚实基础。①针对差异表达基因识别研究：设计实现TM算法，提出新模型GRP，设计了FM算法，提出RSDM算法，实验证明这些算法简单有效。②针对基因表达数据聚类分析：提出聚类算法GKM；创新提出优化算法GFA；提出IGFA算法。提出新的PSOP-AP 聚类算法；提出AP-SVM分类器, 提出GR-MOPSO算法，把这些算法应用基因表达数据和生物医数据中，证明他们的有效性。③针对基因调控网络重构：创新提出用模糊神经网络模型来推断强调控子和相互关联的模糊规则。将算法得到的调控关系与数据库中的调控模块进行比较，准确率为84.28%；创新提出基于重连接方法的无标度网络构建算法，用NETI，ARACNE，Banjo运行此模拟剖面算法，证明其具有良好性能；提出边排序贝叶斯网络结构学习算法，在不同试验条件下的表达数据进行融合，结果正确率提高12%；提出一种新的递归神经网络模型，实验验证了它的有效性；创新提出数据融合方法构建基因调控网络，使用数据GDS38，验证算法的有效性。④关于pathway拓扑结构推理研究：提出融合多种数据pathway拓扑结构推理方法. MAPK/Erk pathway 的重构实验证明了算法有效性；提出基于HMM模型的信号转导pathway重构的新方法，实现了PKA pathway和MAPK pathway的重构，以Cell Signaling数据验证了准确性。⑤关于蛋白质交互模块识别算法：提出了一种节点展开模型，然后定义蛋白质网络拓扑信息，基于这些定义，提出一种蛋白质交互模块识别算法。用Map reduce对具有随机选择思想的算法进行了并行化，具有较高的加速比。这些算法，使用Gene Ontology和pathway富集分析之后，我们发现识别的模块都有较好的生物学解释，并且与癌症紧密相关。⑥跨膜蛋白折叠识别方法研究取得较好的实验效果。本项目的研究成果丰富了计算智能理论的应用研究，为生物信息学领域的相关研究提供了新方法和新手段。