面向异步多时延基因调控网络建模的高阶动态贝叶斯网络模型及其结构学习算法

目的：由基因芯片数据精确学习建模具有异步多时延表达调控关系的基因调控网络。方法：提出了一种高阶动态贝叶斯网络模型,并给出了网络结构学习算法,该模型假定基因的调控过程为多阶马尔科夫过程,从而能够建模基因调控网络中的异步多时延特性。结果：由酵母基因调控网络一个子网络人工生成了加入10%含噪声的表达数据用于调控网络结构学习。在75%的后验概率下,本文提出的高阶动态贝叶斯网络模型能够正确建模实际网络中全部的异步多时延调控关系,而经典动态贝叶斯网络仅能够正确建模实际网络中1/3的调控关系;ROC曲线对比表明在各个后验概率水平上高阶动态贝叶斯网络模型的效果均优于经典动态贝叶斯网络。结论：本文提出的高阶动态贝叶斯网络模型能够精确学习建模具有异步多时延表达调控关系的基因调控网络。     

基于微阵列数据构建基因调控网络

随着微阵列数据的快速增长, 微阵列基因表达数据日益成为生物信息学研究的重要数据源。利用微阵列基因表达数据构建基因调控网络也成为一个研究热点。通过构建基因调控网络, 可以解读复杂的调控关系, 发现细胞内的调控模式, 并进而在系统尺度上理解生物学进程。近年来, 人们引入了多种算法来利用基因芯片数据构建基因调控网络。文章回顾了这些算法的发展历史, 尤其是其在理论和方法上的改进, 给出了一些相关的软件平台, 并预测了该领域可能的发展趋势。     

基于节点拓扑排序和条件互信息的基因调控网络路径一致性构建算法

为了在构建基因调控网络时能确定网络方向,在基于条件互信息的路径一致性算法PCA-CMI的基础上,利用节点拓扑排序(node ordering,NO)建立了构建调控网络的PCA-CMI-NO算法。为建立这一算法,对图分裂方法加以改进:首先对基因对间的互信息进行筛选,然后按贝叶斯得分对子图排序,根据子图顺序选取不同子图中含相同基因对间边的方向,从而确定基因表达数据中节点的顺序。最后,将节点拓扑排序结果应用于PCA-CMI所构建的网络,获得有向网络,同时,使用条件互信息去除独立关系的边,以提高网络准确率。采用DREAM3数据集,将PCA-CMI-NO算法与有序的K2算法进行对比,验证了算法的优越性。     

基于组学数据构建基因调控网络

在生命体内,基因以及其它分子间相互作用形成复杂调控网络,生命过程都是以调控网络的形式存在,如从代谢通路网络到转录调控网络,从信号转导网络到蛋白质相互作用网络等等。因此,网络现象是生命现象的复杂本质和主要特征。本文系统地介绍了基于表达谱数据构建基因调控网络的布尔网络模型,线性模型,微分方程模型和贝叶斯网络模型,并对各种网络构建模型进行了深入的分析和总结。同时,文章从基因组序列信息、蛋白质相互作用信息和生物医学文献信息等方面讨论了基因调控网络方面构建的研究,这对从系统生物学水平揭示生命复杂机制具有重要的参考价值。     

基于GES机制遗传算法构建基因调控网络

目的：基因调控网络在药物研发与疾病防治方面有重要的生物学意义。目前基于芯片数据构建网络的方法普遍效率不高,准确度较低,为此提出了一种新的高效调控网络结构预测算法。方法：提出了一种基于贪婪等价搜索机制的遗传算法构建基因调控网络模型。通过引入遗传算法的多点并行性,使得算法易于摆脱局部最优。通过编码网络结构作为遗传算法的染色体和设计基于GES机制的变异算子,使网络的进化过程基于马尔科夫等价空间而不是有向无环图空间。结果：通过对标准网络ASIA和酵母调控网络的预测,与近期Xue-wen Chen等提出的Order K2算法进行了比较,在网络构建准确率上获得了更佳的结果。与标准遗传算法比较下在执行效率上大大提高。结论：提出的算法在网络结构预测准确率上相对于最近提出的Order K2算法在准确率上效果更佳,并且相较标准遗传算法网络在进化过程上效率更高。     

基因调控网络的模块化组织研究

基因调控网络表现的是大量基因受到转录因子的调控而最终转录翻译为蛋白质进而实现生物功能的复杂信息, 是人们理解生物过程和基因功能的重要内容。为了理解基因调控网络中的调控机理, 网络的拓扑结构及其组织方式是极其重要的研究内容之一。它不仅能说明网络的局部特征, 并且能揭示调控网络的构造方法, 同时还能对调控信号通路进行全面系统的分析。调控网络可分为4层结构: 调控元件、Motif、模块和整个网络。当前, 这种层次结构受到人们越来越多的认可。文中重点讨论motif和模块两层, 比较分析了近年来对网络组织结构的多方面研究内容, 阐述了各个研究结果与结论具有的生物学意义, 并指出了其中存在的问题。在此基础上, 文中还针对这些问题提出了可能存在的研究方向, 并展望了基因调控网络模块化组织的研究前景。     

结核分枝杆菌酸抗性基因及其调控网络

病原菌在宿主细胞内的持留分子机理是目前研究的热点和难点。病原菌的抗酸能力与此密切相关。结核分枝杆菌感染导致的结核病仍然是全球公共卫生的重大威胁,这与结核分枝杆菌抗酸并在宿主巨噬细胞内持留有关。结核分枝杆菌抗酸主要通过调控质子进出、代谢调控胞内酸碱平衡和双组份信号系统调控。本文综述了结核分枝杆菌在酸胁迫下的整体调控网络,阐述了在酸性环境中结核分枝杆菌的具体调控机理,旨在为持留结核分枝杆菌的治疗提供新的全局性思路,寻找新的结核病防控靶标。     

基于有序条件互信息和有限父结点构建基因调控网络

基因调控网络重建是功能基因组研究的基础,有助于理解基因间的调控机理,探索复杂的生命系统及其本质.针对传统贝叶斯方法计算复杂度高、仅能构建小规模基因调控网络,而信息论方法假阳性边较多、且不能推测基因因果定向问题.本文基于有序条件互信息和有限父结点,提出一种快速构建基因调控网络的OCMIPN算法.OCMIPN方法首先采用有序条件互信息构建基因调控相关网络;然后根据基因调控网络拓扑先验知识,限制每个基因结点的父结点数量,利用贝叶斯方法推断出基因调控网络结构,有效降低算法的时间计算复杂度.人工合成网络及真实生物分子网络上仿真实验结果表明:OCMIPN方法不仅能构建出高精度的基因调控网络,且时间计算复杂度较低,其性能优于LASSO、ARACNE、Scan BMA和LBN等现有流行算法.     

时间延迟基因调控网络重构的决策树方法研究

基因调控网络的重构是功能基因组中最具挑战性的课题之一. 针对基因间转录调控的时间延迟性, 提出了一种寻找时间延迟调控关系的方法: 多点延迟调控网络算法, 简称TdGRN (time-delayed gene regulatory networking). 该方法根据时间序列基因表达谱数据, 构建时间延迟基因表达矩阵, 利用有监督决策树分类器方法和随机重排技术挖掘基因之间的时间延迟调控关系, 从而构建时间延迟的基因调控网络. 该方法是一种不依赖模型的基因网络重建方法, 相对于目前采用的基于模型的网络重建方法有显著优势, 可直接利用连续的基因表达谱数据发现延迟任一时间单位差的基因表达调控关系, 并避免了目前一些研究方法中需要人为设定基因的最大调控子数目(k)的问题. 将该方法应用于酿酒酵母细胞周期的基因表达谱数据, 并构建时间延迟的基因调控网络, 结果发现多数时间延迟调控关系获得了已有知识的支持.     

植物中参与活性氧调控的基因网络

植物体内活性氧（reactive oxygen species,ROS）是氧化还原反应的必然副产物,具极高的活性和毒性,从而对细胞产生毒害。同时,活性氧作为信号分子对很多生理过程诸如植物生长发育、细胞程序化死亡及生物和非生物胁迫应答起调控作用。植物中ROS双重作用的协调机制目前尚不明确,确定的是细胞中ROS维持于稳定水平需要精细的调节。拟南芥中至少包括152个基因组成的网络参与ROS的调控,该网络具高度的灵活性和互补性。本文综述了ROS网络中鉴定的一些关键基因及细胞学定位和协同作用,ROS信号转导,尤其是叶绿体中ROS信号的调控。     

Reconstruction of Gene Regulatory Networks Based on Two-Stage Bayesian Network Structure Learning Algorithm

In the post-genomic biology era,the reconstruction of gene regulatory networks from microarray gene expression data isvery important to understand the underlying biological system,and it has been a challenging task in bioinformatics.TheBayesian network model has been used in reconstructing the gene regulatory network for its advantages,but how to determinethe network structure and parameters is still important to be explored.This paper proposes a two-stage structure learning algorithmwhich integrates immune evolution algorithm to build a Bayesian network.The new algorithm is evaluated with the use ofboth simulated and yeast cell cycle data.The experimental results indicate that the proposed algorithm can find many of theknown real regulatory relationships from literature and predict the others unknown with high validity and accuracy.     

From Genes to Flower Patterns and Evolution: Dynamic Models of Gene Regulatory Networks

Genes and proteins form complex dynamical systems or gene regulatory networks (GRN) that can reach several steady states (attractors). These may be associated with distinct cell types. In plants, the ABC combinatorial model establishes the necessary gene combinations for floral organ cell specification. We have developed dynamic gene regulatory network (GRN) models to understand how the combinatorial selection of gene activity is established during floral organ primordia specification as a result of the concerted action of ABC and non-ABC genes. Our analyses have shown that the floral organ specification GRN reaches six attractors with gene configurations observed in primordial cell types during early stages of flower development and four that correspond to regions of the inflorescence meristem. This suggests that it is the overall GRN dynamics rather than precise signals that underlie the ABC model. Furthermore, our analyses suggest that the steady states of the GRN are robust to random alterations of the logical functions that define the gene interactions. Here we have updated the GRN model and have systematically altered the outputs of all the logical functions and addressed in which cases the original attractors are recovered. We then reduced the original three-state GRN to a two-state (Boolean) GRN and performed the same systematic perturbation analysis. Interestingly, the Boolean GRN reaches the same number and type of attractors as reached by the three-state GRN, and it responds to perturbations in a qualitatively identical manner as the original GRN. These results suggest that a Boolean model is sufficient to capture the dynamical features of the floral network and provide additional support for the robustness of the floral GRN. These findings further support that the GRN model provides a dynamical explanation for the ABC model and that the floral GRN robustness could be behind the widespread conservation of the floral plan among eudicotyledoneous plants. Other aspects of evolution of flower organ arrangement and ABC gene expression patterns are discussed in the context of the approach proposed here. álvaro Chaos, Max Aldana and Elena Alvarez-Buylla contributed equally to this work.