复杂疾病建模中加权基因关联网络的链路预测及数据融合研究

Gene association networks are molecular networks representing functional interplays between genes.They have shown great power in the systems investigation of complex cellular processes, human diseases and drug intervening.However, our earlier research found that several existing weighted human gene association networks contain only a very small amount of common information. Based on weighted human gene association networks constructed in earlier research, we propose to study theories, algorithms and applications on link and weight prediction of unknown links in weighted networks and data fusion of multiple weighted networks. In this way, we hope to construction a weighted human gene association network that includes more and better information so as to simplify the computation of disease gene prediction and get better prediction results. Meanwhile,we will apply the constructed network and current networks respectively as background network in the prediction of disease genes and compare the performances of different algorithms on these networks, so as to validate the quality and practicality of the contructed network. This research closely integrates the study of link prediction with biological and medicinal applications. It will rich the theoretical foundation and practical value of link prediction in weighted networks,increase our understanding of the interplays between genes in celles and the genetic basis of complex diseases.

基因关联网络是表示基因之间功能相关关系的生物分子网络，它对于从系统水平理解细胞内部生物学过程、研究复杂疾病病理及药物干预等，已显示其重要作用。然而，我们前期研究发现，现有的多个人类全基因组加权基因关联网络仅包含极少量共同的信息。本项目拟以当前已获得的人类全基因组加权基因关联网络为背景，开展加权网络中未知链接的链路预测、权重预测，以及多个加权网络的数据融合的研究，以期构建包含更多、更准确信息的人类全基因组加权基因关联网络，从而能简化疾病基因预测的计算并获得更好的预测结果。我们拟将构建的网络和当前已有的网络分别用作疾病基因预测框架中的背景网络，比较不同算法在这些网络上的表现，从而检验所构建网络的准确性及实用性。该研究将链路预测研究与生物医学研究的实际应用紧密结合，在丰富加权网络链路预测的理论基础和应用价值、深入理解细胞中基因之间的功能联系、以及复杂疾病的病理学研究等方面，都具有重要意义。

基因关联网络是表示基因之间功能相关关系的生物分子网络，它对于从系统水平理解细胞内部生物学过程、研究复杂疾病病理及药物干预等，具有重要作用。然而，现有的多个人类全基因组加权基因关联网络仅包含极少量共同的信息。本项目以多个过去用整合多种生物学数据源构建的人类全基因组加权基因关联网络为背景，开展加权网络中未知链接的链路预测、权重预测，以及多个加权网络的数据融合的研究。我们分别预测网络中的未知链接及其权重，然后将所得的新的网络进行数据融合，构建一个新的加权基因关联网络，使得新构建网络中包含更多的基因关联信息，并且在复杂疾病研究中具有应用价值。我们提出基于最可靠路的含权相似性指标，用于加权网络的链路预测和权重预测，取得较理想的结果；提出基于信息熵对多个加权网络进行数据融合的算法；用基于链路预测和数据融合的方法，分别构建了2个人类全基因组加权基因关联网络，新网络了包含更多、更准确的基因关联关系信息，并在疾病基因预测上取得了满意的结果(2个新网络已随论文发表)；我们还提出了基于类重力的疾病基因预测算法，进一步提高了疾病基因预测的准确度。同时，我们将网络科学和链路预测应用于中药药理学以及军事科学研究中，在中药复方、藏药、武器交易、恐怖活动、军用无线通信网络等研究领域都取得了一些成果。.本项目在国内外学术期刊发表研究论文22篇，其中SCI收录14篇；主办国际研讨会1次，国际和国内学术会议报告19次；参编出版学术专著1部；培养硕士生5名、博士生1名；获重庆市自然科学奖二等奖1项、 重庆市科慧杯研究生创新创业项目二等奖1项。. 本研究将链路预测研究与生物医学研究的实际应用紧密结合，在丰富加权网络链路预测的理论基础和应用价值、深入理解细胞中基因之间的功能联系、以及复杂疾病的病理学研究等方面，都具有重要意义。