基于稀疏表示的癌变基因网络建模方法研究

Cancer gene networks (CGN) control cellular activities and play critical roles in cancer pathogenesis. This study aims to apply sparse representation theory to model cancer gene networks responsible for cancer pathology. First, we will study reverse-engineering methodology of cancer gene networks by taking advantage of network sparsity properties such as scale-free and modularity. Specifically, we will mathematically construct sparsity constraints. In combination with sparse representation and regression models, we will develop novel methods for recovering cancer gene networks. Second, we will develop methods for analyzing static and dynamic properties of cancer gene networks. In particular, we will develop network energy analysis methods to characterize the topological properties of cancer gene networks, and manifold learning approaches to establish a low-dimension coordinate system for network characterization. Spatio-temporal models of cancer development will be trained by exploiting manifold patterns in the low-dimension coordinate system. Finally, by adopting pattern recognition techniques such as ensemble learning, we will develop approaches for cancer diagnosis and survival time prediction of patients based on cancer gene networks. The study plan can potentially promote understanding of cancer pathology at a systems biology level and provide methodological supports for diagnosis and treatment of cancer, and will facilitate anti-cancer drug development and the development of personalized medicine as well.

癌变基因网络在细胞的癌变过程中发挥着极其重要的作用。本项目拟应用稀疏表示理论构建癌变基因网络，进而在系统生物学水平上探索细胞的癌变机理。首先，我们将结合无标度、层次性等复杂网络特性开展癌变基因网络的重构方法研究。通过构造网络稀疏性约束条件，并融合稀疏表示等计算理论来发展新型的大规模癌变基因网络重构模型。然后，我们将重点结合网络能量分析法研究癌变基因网络的静态特性，并在此基础上编码癌变基因网络的动态特性。我们也将借助流形学习方法构建新型的网络描述系统，通过分析细胞癌变过程中网络的"流形模式"建立细胞癌变的动态模型。最后，我们将结合集成学习等模式识别技术开展相关的医学应用研究，重点发展基于癌变基因网络的癌症分类与诊断、生存时间预测等方面的计算模型与方法。本项目的深入研究不仅能够促进人们对细胞癌变机理的理解，也将为癌症的诊断与治疗、抗癌药物研发以及个性化医学的发展提供相关理论与方法学支持。

癌症是威胁人类健康的“第一杀手”，严重影响着人们的身体健康和生活质量、制约了我国经济的可持续性发展。癌症研究是我国医学科技的发展重点。目前，人类还未能真正地认识和理解癌变的生物学机制，是癌症难以有效预防、诊断和治疗最关键、最直接的原因。从临床表现来看，癌症通常有一个漫长的癌变过程，其本质特征是细胞不受控制地异常增生、甚至获得侵袭和转移能力，其中，癌变基因网络发挥着极其重要的作用。.本项目开展基于稀疏表示理论的癌症基因网络方法的研究，以期在系统生物学水平上探索细胞的癌变机理。具体研究内容包括构造网络稀疏性约束条件发展基于网络稀疏性约束的癌变基因网络重构方法；结合字典学习理论发展新型的大规模癌变基因网络重构模型；采用机器学习与模式识别方法编码癌变基因网络特性识别癌症基因信号，从而更好地分类和诊断癌症。.经过课题组四年的科研攻关，项目所有拟定的科研任务都已圆满完成，研究取得了预期成果：A.在理论方面，提出了多种基因调控关系推导模型获得了更好的基因网络重构性能，其中，我们发现网络稀疏性以及多数据集成分析在基因网络重构和肿瘤建模研究中发挥重要作用。期间，共计发表相关SCI、EI学术论文14篇，申请发明专利5项，授权2项，申请软件著作权2项。B.在应用方面，开发了5套相关数据分析工具包及智能决策支持系统等软件系统，其中一套肿瘤精准诊疗智能决策支持系统，部署在云平台上通过互联网对外提供肿瘤分子病理诊断和个体化精准用药辅助决策服务，与河北燕达陆道培白血病医院、安徽省立医院合作的案例表明该系统的有效性和有用性。另外，项目研究期间，由于相关突出工作，项目负责人被吸收为世界中医药联合会网络药理学专委会常务理事、人工智能学会生物信息学与人工生命专委会会员等社会兼职。.本项目所取得研究成果不仅能够促进人们对细胞癌变机理的理解，也为癌症的诊断与治疗、抗癌药物研发以及个性化医学的发展提供相关理论与方法学支持。