基于多视角蛋白质相互作用网络的多层次生物标志物检测

A major task for biomedical research is to identify biomarkers of complex diseases. Based on the statistical models for network and heterogeneous data, this project aims to identify biomarkers via analyzing protein-protein interaction networks and integrating other genomic and proteomic data. This project mainly focuses on the followings: (1) the construction of multi-view protein-protein interaction networks; (2) the identification of multi-level biomarkers of diseases. Different from previous studies which focuse on constructing static protein interaction networks, this project pays more attention to the construction of dynamic, tissue-specific, disease-related and interface-resolved multi-view networks. Furthermore, it concentrates on uncovering the biomarkers of a specific disease from a hierarchical perspective of biological interactions: proteins (or genes), pairwise interactions, functional modules and subnetworks. This project identifies biomarkers using both systems biology and structural biology methods. It not only helps to reason about the biological mechanisms of complex diseases, but also bridges reductionism and holism.

复杂疾病相关生物标志物检测是生物医学研究的一个主要任务。本项目拟立足于网络数据分析模型及异源数据融合模型，以蛋白质相互作用网络为切入点，集成其它基因组和蛋白质组数据，检测疾病相关生物标志物。项目将重点研究：（1）多视角的蛋白质相互作用网络构建；（2）多层次的生物标志物检测。与过去仅关注静态蛋白质相互作用网络的研究不同，本项目拟从动态变化、组织环境、病理状态、三维结构等多个视角构建蛋白质相互作用网络。此外，区别于先前单一层次的生物标志物检测方法，本项目将从蛋白质（或基因）、相互作用、功能模块及子网络等多个层次检测疾病相关生物标志物。本项目从系统生物学和结构生物学两方面展开研究，这不仅有助于从多个层次探索复杂疾病的致病机制，还可以搭建整体论方法和还原论方法间的桥梁。

复杂疾病的发生发展与蛋白质（基因）网络的扰动密切相关。从基因网络扰动的视角检测网络标志物有助于系统地理解疾病的发病机制。本项目立足于图模型和异构数据融合模型，深入研究了多视角蛋白质相互作用网络构建和多层次网络标志物识别两方面课题。在多视角蛋白质相互作用网络构建方面，本项目提出了一个高精度蛋白质直接相互作用关系网络构建算法和一个组织特异蛋白质相互作用网络构建算法，并将构建的网络用于检测蛋白质功能模块和识别关键基因。在多层次网络标志物识别方面，基于最小支配集模型，提出了一个网络驱动节点识别算法；基于逻辑斯谛回归模型，提出了一个鲁棒的边标志物识别算法；基于高斯图模型，提出了一系列网络标志物识别算法。此外，本项目还开发了一套蛋白质相互作用网络构建和网络标志物识别的应用软件平台，在Bioinformatics、BMC Bioinformatics、BMC Genomics、Methods等生物信息领域重要期刊发表学术论文13篇。