结合基因表达数据和ChIP-chip数据的酵母转录调控模块的识别

活细胞依赖其众多的转录调控模块来实现复杂的生物功能,识别转录调控模块对深入理解细胞的功能及其转录机制有着重要的意义。本文结合酵母基因表达数据和ChIP-chip数据,提出了一种转录调控模块识别算法。该算法通过采用不同的P值阈值分别得到了核心集和粗糙集,然后对核心集和粗糙集进行判别,最后对基因进行扩展之后得到基因转录调控模块。将该算法运用到两个酵母基因表达数据中,得到了一些具有显著生物学意义的基因转录调控模块。与其它算法相比,该算法不仅可以识别含有较多基因的转录调控模块,而且可以识别一些其它算法不能识别的基因转录调控模块。识别得到的基因转录调控模块有着不同的生物学功能,并且有助于进一步理解酵母的转录调控机制。     

基于微阵列数据的基因网络预测方法研究进展

DNA微阵列技术可同时定量测定成千上万个基因在生物样本中的表达水平,从这一技术获得的全基因组范围表达数据为揭示基因间复杂调控关系提供了可能。研究人员试图通过数学和计算方法来构建遗传互作的模型,这些基因调控网络模型有聚类法、布尔网络、贝叶斯网络、微分方程等。文章对网络重建计算方法的研究现状进行了较为全面的综述,比较了不同模型的优缺点,并对该领域进一步的研究趋势进行了展望。     

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。     

一种从多表达谱数据挖掘基因共表达团的新方法

随着近年来高通量基因表达谱数据的涌现,集成多个不同实验条件的表达谱数据,并挖掘在多数据源都保守的基因共表达团,成为预测基因功能或者调控关系的方法之一．但是,常用的方法通常仅简单地集成不同表达谱数据并推导保守基因共表达团,这样可能会导致结果中出现并非真正在多数据源保守的共表达团．提出一种结合最小哈希与局部敏感哈希的新方法,可以高效地寻找在多表达谱数据源中真正保守的基因共表达团．结果分析证明,相比过去的方法,现提出的方法可以获得更加功能相关和调控相关的基因共表达团．     

用生物信息学方法寻找肝癌特异性表达基因转录调控模式

为了对肝癌(hepatocellularcarcinoma,HCC)的分子发病机理进行研究,首先对肝癌基因表达谱数据用t-检验算法进行了分析,找到了肝癌中特异性表达基因(characteristicgenes).然后把这些基因结合已知的肝HNF家族转录因子染色质免疫共沉淀结合DNA启动子芯片(ChIP-chip)实验数据用SAEM算法进行分析,得到了肝癌特异性表达基因的转录调控关系,并寻找到了多个HNF家族转录因子调控单基因的转录调控模式.结果表明HNF家族转录因子对大量具有重要功能的肝癌特异性表达基因进行了转录调控,并且多个HNF家族转录因子调控单基因可以形成前馈环和多输入调控等模式.     

基因逻辑网络研究进展

海量生物数据的涌现,使得通过数据分析和理论方法探索生物机理成为理论生物学研究的重要途径．特别是对于基因的复杂的功能系统,建立基因网络这种理论方法的意义更为突出．Bowers在蛋白质相互作用的分析中引入了高阶逻辑关系,从而建立了系统发生谱数据的逻辑分析（LAPP）的系统方法．LAPP和通常建立模型的方法不同,它给出了一个从复杂网络的元素（或部件）的表达数据出发,通过逻辑分析,找到元素之间逻辑关联性的建模方法．这种方法能够从蛋白质表达谱数据出发,利用信息熵的算法发现两种蛋白质对一种蛋白质的联合作用,对于发现蛋白质之间新的作用机理有重要意义．由于涉及功能的基因组通常是一个大的群体构成的系统,因此LAPP方法也是一个生成复杂的基因逻辑网络的方法．基因逻辑网络的建立,方便实现通过逻辑调控进行基因调控的目的．这种方法可以应用在很多方面,如物种进化、肿瘤诊疗等等．系统阐述并分析了LAPP方法,并指出其在方法和应用方面的新进展以及评述．     

利用阵列分析水稻AP2/EREBP家族基因的表达特性

AP2／EREBP蛋白是广泛存在于高等植物中的且包含AP2／EREBP功能域的重要转录因子家族,通常可分为包含单功能域的EREBP类蛋白和包含两个功能域的AP2类蛋白,它们的功能涉及植物生长发育调控和对逆境应答等许多方面。据预测．水稻基因组编码150个左右的AP2／EREBP家族成员,但目前绝大多数蛋白的功能仍不清楚。为了解这些基因在水稻不同器官中的表达特性,我们以AP2／EREBP功能域的氨基酸序列为基础,从水稻基因组数据库中搜索到12个AP2类以及20个EREBP类预测基因,利用PCR扩增的编码区序列制备了这些预测基因的macro—array。以幼芽、幼根、幼叶、颖花和灌浆期成熟叶的cDNA为探针,杂交分析结果显示：不同AP2类预测基因之间的表达量差别较大,但同一个基因在不同器官中表达量基本一致：与此不同的是,大部分EREBP类预测基因在幼根和成熟叶片中表达量较高,而在幼芽和幼叶中表达量较低。这些预测基因的表达模式可能与它们的功能密切相关。     

Hela基因周期表达数据聚类及功能分析

目的:进一步了解与宫颈癌相关基因的功能以及作用关系.方法:根据Hela基因周期表达数据的时序特点,提出了KLCC聚类法.该方法以K-means法为平台,以基因问的局部相关系数(Local Correlative Coefficient,LCC)为相关性测度,并对K-means法进行了相应的改进,根据基因间的相关关系,分批对基因聚类.结果:在对Hela基因周期表达数据的聚类分析中,得到9个显著的功能类,其中有3个与肿瘤紧密相关,具有优于当前常用算法的性能.结论:KLCC法能够有效地识别Hela基因周期表达数据中的局部相关和异步相关,并对其进行功能显著的聚类,为宫颈癌的基因治疗提供参考和依据.     

肿瘤微阵列数据统计分析概述

微阵列技术已广泛应用于生物学和医学研究领域,如肿瘤的诊断和分型、预测和治疗,理解肿瘤的发生机制、生物学通路和基因网络。统计学方法在这一科学挑战中的地位至关重要。我们综述了微阵列实验数据分析的统计学方法最新发展,主要描述了微阵列数据的标准化、差异表达基因的统计学检验及微阵列技术在肿瘤治疗中的应用,重点介绍了时间序列微阵列数据分析方法和基因调控网络在肿瘤研究中的最新发展。     

利用阵列分析水稻AP2/EREBP 家族基因的表达特性

AP2/EREBP蛋白是广泛存在于高等植物中的且包含AP2/EREBP功能域的重要转录因子家族, 通常可分为包含单功能域的EREBP类蛋白和包含两个功能域的AP2类蛋白, 它们的功能涉及植物生长发育调控和对逆境应答等许多方面。据预测,水稻基因组编码150个左右的AP2/EREBP 家族成员, 但目前绝大多数蛋白的功能仍不清楚。为了解这些基因在水稻不同器官中的表达特性, 我们以AP2/EREBP功能域的氨基酸序列为基础, 从水稻基因组数据库中搜索到12个AP2类以及20个EREBP类预测基因, 利用PCR扩增的编码区序列制备了这些预测基因的macro-array。 以幼芽、幼根、幼叶、颖花和灌浆期成熟叶的 cDNA为探针, 杂交分析结果显示: 不同AP2类预测基因之间的表达量差别较大, 但同一个基因在不同器官中表达量基本一致; 与此不同的是, 大部分EREBP类预测基因在幼根和成熟叶片中表达量较高, 而在幼芽和幼叶中表达量较低。这些预测基因的表达模式可能与它们的功能密切相关。