基于生物数据的基因网络和生物神经网络的结构研究

大脑的功能由神经元决定，神经元的功能由蛋白质决定，蛋白质的功能由基因组决定，最近的研究表明，基因组的功能是由基因组中潜在的基因网络而不是由单个基因决定，同样，大脑的功能也是由神经元的集团行为决定 。基因芯片和脑的多电极实验可以为我们提供海量的基因数据以及神经元行为的数据，如何通过生物数据来确定合适的网络模型并通过得到的模型来确定这些网络生物学上的意义，是生物学家以及数学家都非常关心的问题，也是目前国际上的研究热点，我们已经在这方面取得初步成果。本课题主要研究如何基于海量生物数据推导基因以及神经元的网络结构的理论与方法，包括构建时域上的网络模型以及频率驱动网络模型以及含隐变量的扩展模型，将偏因果关系网络模型和Bayesian网络模型结合起来，并利用现有的数据进行分析和验证,给出合理的网络结构及生物解释。

本课题主要研究如何基于海量生物数据推导基因以及神经元的网络结构的理论与方法，具体研究下列子课题：1. 利用标准化、聚类等方法对数据进行预处理；2. 在时域及频域空间上对小网络结构进行研究；3. 在时域及频域空间上对大网络结构进行研究。通过课题组的努力，三个方面均取得一定的进展，获得一些有一定价值的结果。关于1，我们运用零极点累试法设计滤波器，并应用于实际生物数据的分析中去；关于2，由于神经元之间存在相互协作，为了得到更符合实际生物意义的网络结构，我们考虑神经元作为整体的网络结构，并提出复合偏相关因果网络模型来研究整体和整体之间的因果关系；此外，我们对大脑功能磁共振数据进行了分析，提出一种全脑组相关分析法研究正常人和精神疾病患者大脑网络的主要差异，并编写了相应的软件包；关于3，我们提出了一套处理大网络的行之有效的方法，该方法首先利用两两因果关系得到网络的一个很粗放的结构，从而找到任意一个节点的所有父节点(包括直接的和间接的)。然后利用偏因果关系将所有的间接连接的节点剔除掉，从而得到的都是直接的父节点。