基于网络模型的癌症相关模式挖掘理论与方法

The mechanism, diagnosis and prognosis of cancer is one of the core researches problem in life science and related multidisciplinary domain. The challenge is that the progression process of a cancer is a highly -dimensional, time-varying, and dynamic system. How do we discover cancer-causing gene patterns, and finally associate these patterns with cancer initiation and progression. The system biology and complex network provide new insight for cancer. In this project, we study, based on omics data, theory and methodology to attempt to solve the problems. Multi-level network is constructed by integrating genomic, interactome and clinic data. We introduce a multi-factor pattern mining method for graph data based on network model. The theory and methodology is study for discovering pattern of cancer initiation and progression. The high performance algorithm is study for finding cancer-causing gene patterns, disregulated module and so on. This study helps understand the mechanism of a disease systematically, including its generation, progression and deterioration. The novelty of the project is that we provide new pattern mining method under modeling from system biology. It might be also beneficial to mechanism ,diagnosis, therapeutic treatment, prognosis and force the development of bioinformatics.

癌症致病机理、诊断及预后是生命科学及相关交叉学科核心问题之一。挑战是癌症的发展是一个复杂的超高维动态系统，如何从各种组学数据中发现导致癌症发生的基因模式及其与癌症恶化关系? 系统生物学和复杂网络理论为癌症研究提供了新的契机。本项目将针对高通量多组学数据，研究癌症发生和发展的模式挖掘理论和方法。基于数据融合观点，集成基因组、相互作用组及临床等多维数据，构建反映问题特性的多层次生物分子网络模型。提出基于网络模型的图数据多因素模式挖掘方法，在网络层面研究癌症发展过程动态模式挖掘及模式演化分析的理论和方法，导致癌症发生的多基因模式、失调模块、失调路径等模式的高效挖掘算法，实现发现基因模式与癌症不同阶段表型之间关联关系的目标。本项目特色体现在：从系统生物学层面对数据建模，提出相应的模式挖掘理论和方法，在揭示癌症形成、发展机理，癌症的诊断、治疗和预后方面具有潜在的应用价值，促进生物信息学交叉学科研究。

癌症的复杂性是导致发病率和死亡率居高不下的主要原因。癌症致病机理、诊断及预后是生命科学及相关交叉学科的核心。越来越多的组学数据（如：基因组、转录组、DNA甲基化组、拷贝数组、单核苷酸多态组等）被开发出，以从多个不同角度对癌症进行研究系统生物学和复杂网络理论为癌症研究提供了契机。本项目针对高通量多组学数据，研究了癌症发生相关的模式挖掘理论和方法。基于数据集成的观点，集成基因组、转录组、表观组、相互作用组及临床等多维数据，构建多层次生物分子网络模型。提出基于网络模型的模式挖掘方法，在网络层面研究癌症发展过程动态模式挖掘及模式演化分析的理论和方法，导致癌症发生的多基因模式、失调模块、失调路径等模式的高效挖掘算法，实现发现基因模式与癌症不同阶段表型之间关联关系的目标。在以下几个方面取得了重要结果: (1) 在网络模型及模块化拓扑结构分析, 提出了不同类型网络模型构建方法, 建立了不同层次网络拓扑结构量化与分析的指标与方法;(2)癌症相关模式挖掘, 提出了不同的癌症相关模式挖掘方法,包括基于组学数据集成的癌症模式挖掘方法;(3) 潜在治疗模式挖掘, 如何不局限于现有药物发现新的组合治疗方案？为了攻克此难题，提出了一种基于网络可控性的方法, 为系统性识别控制细胞表型转换的协同作用基因对提供了通用计算框架;(4) 表观组学与癌症相关模式挖掘, 在非编码数据方面,提出了非编码与疾病关联预测方法; 在DNA甲级化数据层面，提出了DNA甲基化致癌模式挖掘方法；在三维基因组方面，重构了单细胞周期伪轨迹及多尺度的拓扑结构与域识别方法，为在三维基因组层面探究癌症的发生机理奠定基础。本项目特色体现在：从系统生物学层面对数据建模，提出相应的模式挖掘理论和方法，在揭示癌症形成、发展机理，癌症诊断、治疗和预后方面具有潜在应用价值，促进生物信息学交叉学科研究。