基于时序高维数据的流感个体化生物标记物研究

Influenza (flu) is an acute respiratory disease caused by virus. Because of its contagious, explosive, rapid virus mutation and other characteristics, influenza has become the hot topic in the bio-medical field. In the conventional study of flu, the researchers focused on the group excavation of biomarkers rather than the individual-specific biomarkers caused by individual heterogeneity. Thus, it is extremely necessary to study the individual molecule and network characteristics. In this project, we plan to mainly study individual-specific edge biomarkers based on high-dimension temporal data, and excavate edge-features (biomarkers) corresponding individual edge-network to predict flu occurrence and flu immunity with early-warning capabilities, which are based on our previously proposed edge-network algorithm. These theories usually need multiple samples (such as blood testing)limiting its application in personalized medicine. Therefore, we will further build edge network model for small samples, and advance individual-specific edge-network analysis, which can provide novel guidance for precision medicine and personalized medicine.

流感（流行性感冒）是由病毒引起的急性呼吸道传染病。由于其传染性强，爆发性快、病毒类型变异迅速等特点，流感成为医学领域关注的热点之一。在传统流感研究中，研究者更多地关注于群体生物标记物的挖掘，而忽略了个体异质性导致的个体特异生物标记物。故针对个体化的分子及其网络特征研究是极其必要的。本项目中，我们将主要研究基于个体时序高维数据的个体化生物标记物，并根据我们前期开发的边网络算法，挖掘个体化边网络所对应的边特征（边生物标记物）并应用于流感预测和流感免疫中的早期预警。此外，这些理论方法通常需要每一个人提供多个样本（例如多次抽血），从而限制了在个性化医学中的应用。因此我们将进一步构建针对小样本的边网络模型，发展普适的单样本边网络分析技术，为精准医疗和个性化医疗提供全新的技术手段。

传统流感等复杂疾病研究更多地关注于群体生物标记物的挖掘，而忽略了个体异质性导致的个体特异生物标记物。此外，基于网络挖掘的理论方法通常需要每个人提供多个样本（例如多次抽血），从而限制了在个体化医学中的应用。.本项目提出构建小样本的边网络模型，发展普适的单样本边网络分析技术，为精准医疗和个性化医疗提供全新的技术手段：.（i）基于自主开发的边网络算法，挖掘个体化边网络所对应的边特征；研究基于个体时序高维数据的个体化生物标记物；利用高阶统计信息，建立基于对照样本的单样本边网络模型iENA，并应用于复杂疾病（例如流感中）的早期预警。.（ii）基于相似的生物学功能（如通路）应该收敛到同一稳定状态这一假设，设计并实现了一个新的“生物通路布尔网络的吸引子分析”计算框架ABP；以状态转换的方式来识别动态表型的相关通路，使用网络吸引子来表征个体最终稳定的生物状态（如正常或疾病），并对稳定通路状态进行建模和量化；进而检测关键生物通路并推断其在动态过程中的变化，并对个体疾病状态进行分类和预测。.（iii）基于高阶单样本网络模型，应用于高通量微生物组学实验，有效地推荐潜在的候选标志物，用于精确防御各种病原体；亦应用于支持生物样本特异的网络控制分析系统SSC，从而有效识别样本特异的驱动节点（例如疾病驱动基因、细胞类型标志物、治疗靶点等）。.总的来说，本项目所开发的模型可利用宿主在面临呼吸道病毒挑战时的组学数据，构建宿主免疫相关的分子动态标记物挖掘算法，阐明宿主在感染不同病毒后的分子功能变化趋势。这一模型有潜力为分析未知、新型病毒后的分子免疫功能提供方法学支撑；为快速了解新型病毒的作用机制提供依据；也可为发现对新型病毒有效的药物提供一种药学筛选方法。