动态生物分子网络演化模式挖掘算法研究

分析生物分子网络，可以获得对生命系统进一步的理解，目前的研究主要是针对静态网络进行的，忽略了网络是动态的本质特性。而生物分子网络的动态性在细胞调控和生物体的功能上起着核心作用。本项目拟采用图论方法，研究生物分子网络的演化规律。首先，基于多种数据源建立动态生物分子网络的计算模型。然后，基于该计算模型，设计演化模式挖掘算法。模块是生物网络的一种重要模式，基于模块结构研究生物系统可以降低复杂性，设计在动态生物分子网络上识别功能模块，分析动态模块变化规律的算法。分析算法的复杂度，给出评价标准，并对相关算法进行仿真。最后，将动态生物分子网络分析应用到复杂疾病研究中，预测疾病基因，分析疾病发生、发展和干预过程。通过本项目研究，可望在理论上进一步揭示生物分子网络随时间变化的规律，阐明生命的分子网络组织原则和发展规律，建立新的研究生物学的方法论；在应用上指导疾病的预诊、治疗和药物的研制。

理解生物系统发生、发展过程的分子机制对于研究复杂疾病具有重要的意义，本项目从系统的角度研究生物医学问题，属于计算生物信息学方向。通过构建和分析生物分子网络，探讨其拓扑结构与生物功能之间的关系，为复杂疾病的诊断、治疗及预后提供指导。同时，探索大规模图数据的计算模型和基础算法。主要研究内容包括：.（1）分子网络拓扑结构分析 .生物分子网络具有很大的噪声，预测网络中节点的连接关系可以构建更可靠的网络，开发一个R包预测蛋白质相互作用网络中的相互作用。网络模体与模块结构是生物分子网络的基本构造块和重要功能单元，提出一种概率网络模体发现算法，发现现已确定的网络模体和潜在的网络模体。弱连接可以增强复杂网络中的全局连通性，证明蛋白质相互作用网络中存在弱连接效应。定义新的网络相似性，设计算法来提取蛋白质复合体。.（2）复杂网络可控性分析.网络中边的方向性在系统功能行使时具有重要意义。利用网络可控性这一方向性指标定义复杂网络中的节点控制范围，进一步给出节点在控制范围上的相似性度量指标并识别网络中的功能模块。提出一个网络结构鲁棒性度量指标：控制鲁棒性，将有向网络控制鲁棒性问题转化为针对网络的一个最大匹配所形成的控制路径的传递性最大化问题，并给出相应的算法。基于能控子空间和能观子空间，给出节点的支配能力中心性度量指标，量化通过一个节点能够控制干预有向网络的程度和范围。定义支配能力相似性度量指标，检测出具有显著功能特征的子图结构。.（3）动态网络模式挖掘.分析动态网络模式可以刻画复杂系统的演化规律，预测其未来状态和行为，从而进行行为调控。定义一种体现阶段性的重要子结构，即在复杂系统演化过程的整个阶段或某个较长阶段都存在的模式，该模式可能与复杂系统的基本功能或与系统的某一阶段的状态相关。比较和分析动态网络的拓扑特性分析和各种模式挖掘模型和方法，侧重于生物网络相关的动态功能模块和模式演化问题，指出存在的问题和挑战，分析未来的研究方向。.（4）复杂疾病分子标记物识别.疾病的发生和发展是一个复杂的过程，涉及到遗传变异和环境影响。疾病标记物是病理过程的生物特征，可以帮助人们进行准确的诊疗从而给出适当的治疗方案。综述基于分子网络的识别疾病标记物的方法，并介绍人类疾病组学、交互组学和调控组学的重要资源，这些资源在基于分子网络的方法中提供数据基础。