缺血性脑卒中康复期特异的复合生物标记模块筛选方法研究

The mining of predictive markers with time specificity features of stroke is an important basis for evaluating the prognosis of patients with ischemic stroke in order to perform intervention timely which would improve the rehabilitation treatments. However, both clinical and molecular marker mining methods could not meet the above requirements. We aim to develop new algorithms and filter methods to explore combined specific biomarker modules for ischemic stroke patients. The problems of multiple omics interaction network scale complexity, cross time point analysis, and causal inference problems would be solved by integrating functional concordance, dominant expression, temporal state, and prior knowledge of pathology and omics during the network constructions. The proposed methods will be applied to the filtration of stroke rehabilitation combined modules which cover both molecular and clinical biomarkers based on the combination of parallel mRNA/miRNA/lncRNA deep sequencing data and clinical records of ischemic stroke patients. The predictive combined modules with time specificity features we offer are valuable on application levels since they could help improve the rehabilitation treatments of ischemic stroke.

寻找脑卒中康复期具有时间特异性的预测性标记物，是准确评估缺血性脑卒中病人预后、实现及时干预、改善康复治疗手段的重要基础。现有临床或分子标记物提取方法均难以符合上述要求。本课题拟在ceRNA网络理论及分析技术的基础上，基于项目前期工作提出的功能一致性分析思路，改进跨组学标记物关系网络构建方法，在网络构建过程中将功能一致性与优势表达、时间状态、病理及多组学先验知识相融合，解决跨组学标记物互作网络的规模复杂性问题、跨时间点分析与因果关系推演等技术难点，提出新的跨组学标记物网络构建及标记物筛选方法，以及标记物模块生成、筛选与评估算法。进一步基于一手的脑卒中康复期临床病人多时间点数据，获得临床病历与mRNA/miRNA/lncRNA高通量测序结合的关联数据，将提出的方法应用于脑卒中康复期特异的分子-临床复合标记物筛选，获得同时具有预测性和时间特异性、对康复治疗具有较高应用价值的复合标记物模块。

寻找脑卒中康复期具有时间特异性的预测性标记物，是准确评估缺血性脑卒中病人预后、实现及时干预、改善康复治疗手段的重要基础。现有临床或分子标记物提取方法均难以符合上述要求。本课题以挖掘并筛选缺血性脑卒中康复期特异的复合生物标记模块为目标，充分利用了高通量测序数据及表达谱数据、源自临床的定性及定量检验的结果数据、公开数据库的功能数据，设计并实施了脑卒中康复相关生物标记模块相关的四种新方法，包括基于分子层面高通量时序数据的“时间特异性”标记物挖掘方法、基于临床层面用药记录时序数据的标记物挖掘方法、基于复杂网络分析的复合标记物模块挖掘算法、以及包含环境因素及遗传因素的新型脑卒中标记物的构建方法。更进一步的，为每种方法分别搭建了新的生物信息学分析流程与框架，并将其应用于缺血性脑卒中康复期的多组学数据分析，结合用药记录、环境因子的分析结果以及血红蛋白基因检测结果，基于对复杂网络的数据挖掘与分析，获取了具有时间特异性以及预测性的复合型标记物，可有效预测缺血性脑卒中患者的预后，具有重要的理论意义和实际应用价值。