二维心室建模和Brugada综合症仿真

本文以Tusscher提出的人体心室单细胞计算模型为基础,用计算机建模仿真的方法,构建一个心室壁组织的二维网格模型。通过修改细胞的离子通道参数,仿真了正常生理条件下和Brugada症状下三类心室细胞的动作电位和心电图波形。结果显示:Brugada症状下的心电图波形有明显的J波出现,ST-段抬高甚至T波倒置。这与临床医学上的报道基本符合,本研究为用计算机仿真建模研究Brugada综合症打下了基础。     

可变剪接的生物信息数据分析综述

前体mRNA的可变剪接是扩大真核生物蛋白质组多样性的重要基因调控机制。可变剪接的错误调节可以引起多种人类疾病。由于高通量技术的发展,生物信息学成为可变剪接研究的主要手段。本文总结了可变剪接在生物信息学领域的研究方法,同时也分析并预测了可变剪接的发展方向。     

参数序列比对算法研究

序列比对是生物信息学中的一项重要任务,通过序列比对可以发现生物序列中的功能、结构和进化的信息。序列比对结果的生物学意义与所选择的匹配、不匹配、插入和删除以及空隙的罚分函数密切相关。现介绍一种参数序列比对方法,该方法把最佳比对作为权值和罚分的函数,可以系统地得到参数的选择对最佳比对结果的影响。然后将其应用于RNA序列比对,分析不同的参数选择对序列比对结果的影响。最后指出参数序列比对算法的应用以及未来的发展方向。     

结合基因功能分类体系Gene Ontology筛选聚类特征基因

使用两套基因表达谱数据,按各基因的表达值方差,选择表达变异基因对样本聚类,发现一般使用方差较大的前10％的基因作为特征基因,就可以较好地对疾病样本聚类。对不同的疾病,包含聚类信息的特征基因有不同的分布特点。在此基础上,结合基因功能分类体系(Gene Ontology,GO),进一步筛选聚类的特征基因。通过检验在Gene Ontology中的每个功能类中的表达变异基因是否非随机地聚集,寻找疾病相关功能类,再根据相关功能类中的表达变异基因进行聚类分析。实验结果显示：结合基因功能体系进一步筛选表达变异基因作为聚类特征基因,可以保持或提高聚类准确性,并使得聚类结果具有明确的生物学意义。另外,发现了一些可能和淋巴瘤和白血病相关的基因。     

基于Progressive多序列比对方法的求解多序列比对的启发式算法

在生物信息学研究中,生物序列比对问题占有重要的地位。多序列比对问题是一个NPC问题,由于时间和空间的限制不能够求出精确解。文中简要介绍了Feng和Doolittle提出的多序列比对算法的基本思想,并改进了该算法使之具有更好的比对精度。实验结果表明,新算法对解决一般的progressive多序列比对方法中遇到的局部最优问题有较好的效果。     

基于能量融合积分模型的心脏生理物理活动研究

为了更深入地了解目前靠生理实验及临床手段无法洞察的心脏三维空间的电生理运行机制,分析和表现心脏复杂的电生理活动,从而揭示心脏的生理物理特性,本研究通过人类心肌细胞的动作电位传导数学模型,结合基于心脏解剖数据所建立的真实心脏组织结构的三维空间模型,构建出精细的心脏生物物理融合模型,并将心脏在三维空间中的生物物理活动表现出来.实验结果表明,基于心脏动作电位传导的融合模型,不同时刻的动作电位传导在非匀质性组织内的三维空间中的传播位置、空间关系以及生物物理过程被清晰地显示出来,心脏研究人员从而能够以视觉感知的方式认识和深入理解人类心脏电生物物理系统的功能机制,并有助于进一步推测心脏的生理和病理反应.     

基于耦合双向聚类技术的DLBCL异质性分析

基因芯片技术为疾病异质性研究提供了有力的工具。当前基于传统聚类分析的方法一般利用芯片上大量基因作为特征来发现疾病的亚型, 因此它们没有考虑到特征中包含的大量无关基因会掩盖有意义的疾病样本的分割。为了避免这个缺点, 提出了基于耦合双向聚类的异质性分析方法(Heterogeneous Analysis Based on Coupled Two-Way Clustering, HCTWC)来搜索有意义的基因簇以便发现样本的内在分割。该方法被应用于弥漫性大B细胞淋巴瘤(diffuse large B-cell lymphoma DLBCL)芯片数据集, 通过识别的基因簇作为特征对DLBCL样本聚类发现生存期分别为55%和25%的两类DLBCL亚型(P<0.05), 因此, HCTWC方法在解决疾病异质性是有效的。     

生理组学:传统向现代的升华北大核心CSCD

近三十年来,分子生物学领域包括人体基因组学、蛋白质组学等新学科和新技术蓬勃兴起,并取得了令人瞩目的成果,但深层次微观研究的局限亦日渐明显。生命科学研究的最终目的不仅是揭示生命的奥秘,更重要的是解决疾病问题,促进人类健康和福祉。正如诺贝尔奖得主James Black指出"分子生物学研究所获得的信息如果不结合组织器官和整体分析,则将成为孤独的分子结构和机制的一张无序的清单"。而生理学可能正是将此无序的"碎片(puzzle)"拼接成一幅有序画面的"整合者"。上世纪九十年代国际生理科学联合会(International Union of Physiological Sciences,IUPS)提出了"生理组计划",近年来随着计算机等技术的进步,生理组学研究正方兴未艾,并在生理功能的预测、药物研发模型的建立等方面发挥越来越重要的作用,但不少生理学工作者至今对于生理组学的概念仍相对生疏。高峰等教授撰写此文,从生理组学概念的提出及发展,到重点介绍生理组学与经典生理学和系统生物学之间的关系,讨论了面对当今生命科学研究的机遇和挑战,生理学家能否借助生理组学发展平台,有效地整合当今多种相关"组学"的信息,以促进现代生理学的发展,并在认识生命与健康、解决疾病问题中发挥引领作用。此文值得一读,文中提出的问题也值得读者思考。     

复杂疾病驱使的融合SDA-SVM集成基因挖掘方法

提出了一种新颖的复杂疾病驱使的融合SDA-SVM(Stepwise Discriminant Analysis-Support Vector Machine,SDA-SVM)技术的集成基因挖掘方法。该集成方法融合逐步判别分析和支持向量机的优点,能够有效地进行复杂疾病相关基因的深度挖掘,使得挖掘出的基因能够较好地识别疾病类型和亚型。通过将该方法应用于一套弥散性大B细胞淋巴瘤DNA表达谱数据,并与其它基因挖掘方法对比,结果表明该方法挖掘出的基因具有较高的疾病相关性和较强的疾病类型识别能力。     

基因表达谱聚类/分类技术研究及展望

随着人类及多种模式生物全基因组测序基本完成,人类基因组计划的研究进入后基因组时代.后基因组时代研究的焦点已经从测序转向功能研究。聚类/分类技术作为分析基因表达谱和识别基因功能的重要工具之一,近年来获得很大的发展。对目前基因表达谱聚类/分类技术及它们的发展,进行了综述性的研究,分析了它们的优缺点,结合我们的研究,提出了解决问题的思路和方法,为基因表达谱的进一步研究提供了新的途径。