基于多组学数据挖掘阿尔茨海默病生物网络功能模块研究

Alzheimer's disease is a progressive neurological disease that, over time, results in the brain's inability to function correctly and as yet uncertain. With the wide application of various omics technologies, multi-omics data analysis provides a new way of thinking and research for further study of the occurrence and development of AD. Due to the heterogeneity of the multi-omics data and the polymorphism of the genes, we study AD multi-omics data from a network perspective. Firstly, the machine learning method based on the prior knowledge of AD is used for data preprocessing, and we focus on the association between genotypes and AD multiple phenotypes. We focus on construction of AD multi-level network model by similar network fusion method, mining network function modules and verifying through network node priority and consistency clustering method, which dig out potential pathogenicity and reveal AD potential mechanisms. As based on, we design a visual plug-in to provide a simple and intuitive research aid for AD multi-omics researchers.

阿尔茨海默病(Alzheimer's disease ,AD)是一种发病进程缓慢但不可逆的持续性神经功能障碍，AD的发病机制迄今未明。近年来，随着各种组学技术的广泛应用，多组学数据分析为深入研究AD的发生发展提供了新的思路。由于多组学数据的异质性和基因的多态性，因此，本课题拟从网络角度研究AD多组学数据，首先采用融合AD先验知识的机器学习方法进行数据预处理，重点研究基因型与AD多表型之间的关联。重点研究利用相似网络融合的方法构建AD多层次网络模型，通过网络节点优先权和一致性聚类方法挖掘网络功能模块，发现潜在致病基因集合，揭示AD潜在发生机制。在此基础上设计一种构建AD多层次网络模型并挖掘AD网络功能模块的可视化插件，为AD多组学研究人员提供一个简便直观的研究辅助工具。

阿尔茨海默症（Alzheimer's disease, AD）是一种发病进程缓慢但不可逆的中枢神经系统退行性疾病，其发病机制迄今尚未阐明。随着各种组学技术的广泛应用，多组学数据分析为深入研究AD的发病机制提供了新的思路和方法。由于多组学数据的异质性和基因的多态性，本课题从多层次网络角度研究了AD多组学数据，取得了一系列成果：（1）提出了结合AD先验知识和机器学习的多组学数据预处理算法，提高了缺失数据填补的精确度。（2）提出了AD多组学数据的基因型与多表型关联模型，将多变量全基因组关联分析和一致性网络模块挖掘的思想结合起来，其统计效力高于传统的全基因组关联分析方法。（3）提出了基于表型相似网络构建多层次AD生物网络模型的算法，能够识别具有强联合效应的小效应遗传变异，增强了遗传关联的生物学解释性。（4）提出了一种基于多组学生物网络的疾病生物标记物跨组学富集方法，构建了表征基因组-蛋白组-代谢组的多组学层间级联效应的异质性多组学网络模型，弥补了单一组学数据分析的片面性，克服了现有AD多组学研究的局限，有助于疾病风险变异的功能注释及下游疾病病理相关代谢物的预测。（5）设计了一种用于疾病生物标记物跨组学网络富集分析的工具，实现了跨多个生物调控水平变化的疾病特异性多组学生物标记物特征的识别，为跨组学级联效应的可视化、解释和分析提供了新的生物信息学工具。综上所述，基于多组学数据挖掘AD生物网络功能模块研究为AD分子遗传机制研究提供了有价值的参考，对AD早期诊断及干预治疗具有重要的指导意义。.本项目取得一系列的成果，包括：本项目第一标注的学术论文9篇（7篇SCI）；项目负责人出版专著1部；项目负责人申请发明专利5项，授权软件著作权2项。