prdm1a Regulates sox10 and islet1 in the development of neural crest and Rohon‐Beard sensory neurons

The PR domain containing 1a, with ZNF domain factor, gene (prdm1a) plays an integral role in the development of a number of different cell types during vertebrate embryogenesis, including neural crest cells, Rohon‐Beard (RB) sensory neurons and the cranial neural crest‐derived craniofacial skeletal elements. To better understand how Prdm1a regulates the development of various cell types in zebrafish, we performed a microarray analysis comparing wild type and prdm1a mutant embryos and identified a number of genes with altered expression in the absence of prdm1a. Rescue analysis determined that two of these, sox10 and islet1, lie downstream of Prdm1a in the development of neural crest cells and RB neurons, respectively. In addition, we identified a number of other novel downstream targets of Prdm1a that may be important for the development of diverse tissues during zebrafish embryogenesis. genesis 48:656–666, 2010. © 2010 Wiley‐Liss, Inc.     

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。     

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.     

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.     

从酵母表达时间序列估计基因调控网络

基因调控网络是生命功能在基因表达层面上的展现。用组合线性调控模型、调控元件识别和基因聚类等方法 ,从基因组表达谱解读酵母在细胞周期与环境胁迫中的基因调控网络。结果表明 ,细胞在不同环境条件下会调整基因调控网络。在适应的环境下 ,起主要作用的是细胞生长和增殖有关的基因调控网络 ;而在响应环境胁迫时 ,细胞会再规划调控网络 ,抑制细胞生长和增殖相关的基因 ,诱导跟适应性糖类代谢与结构修复相关的基因 ,还可能启动减数分裂产生孢子。分别从细胞周期和环境胁迫响应相关基因中 ,搜索到转录因子Mcm1结合位点TT CC T GGAAA ,和Dal82在尿囊素代谢途径相关基因上的结合位点TGAAAAWTTT。从而 ,从酵母表达时间序列估计基因调控网络是可行的 ,与至今已知的实验观察相当吻合     

hhlim基因转录调控区域鉴定及表达调控的初步研究

为了研究hhlim基因表达调控机制,对该基因5′上游－2 537 bp序列从5′端依次进行缺失后,利用荧光素酶报告基因检测各种不同长度片段在C2C12细胞中驱动荧光素酶表达的活性.结果表明,在hhlim基因5′上游－2 537～－1 537 bp之间存在负调控元件,在－253～－157 bp之间含有增强子样序列.用含有增强子样序列的DNA片段做探针,对未分化型和分化型C2C12细胞的核蛋白进行电泳迁移率改变分析(electrophoretic mopility shift assay, EMSA).分析的结果显示,两种表型细胞中的核蛋白与探针结合所形成滞后带的谱型明显不同.结果还发现内皮素-1(ET-1)和碱性成纤维细胞生长因子(bFGF)既能显著诱导C2C12细胞对hhlim的表达,也能刺激含增强子样序列的调控区域所驱动的报告基因表达.提示hhlim基因转录起始点至－2 537 bp的区域内含有负调控元件及增强子样序列,该基因的表达受ET-1和bFGF的调节.     

命运决定子Numb在神经干/祖细胞不对称分裂及分化中的调控作用 

不对称分裂是干/祖细胞发育分化中的基本过程,膜相关蛋白Numb在其中发挥重要作用.Numb极性分布于细胞一侧,在干/祖细胞有丝分裂时不对等分配至两个子代细胞,使子代细胞产生不同分化命运.如一个保持在干/祖细胞状态,而另一个发育为神经元,这一过程主要通过抑制Notch信号通路发挥作用.近年在哺乳动物中的研究中发现,高强度Notch信号又能够反馈抑制Numb活性.Numb具有维持神经干/祖细胞增殖与促进分化的双重作用,Numb的命运决定作用还与Shh信号通路和p53蛋白等相关.另外,Numb参与调控细胞的粘连、迁移以及神经元轴突的分支与延长.本文主要对Numb在果蝇及哺乳动物神经干/祖细胞中的定位以及其在决定细胞命运和分化中的调控作用进行综述.     

青霉素G酰化酶调节基因的定位

为了定位青霉素G酰化酶的调节基因,从质粒Ppa6克隆了一系列青霉索G酰化酶基因(pac)的片段,将这些重组质粒转化E.coli D816,测定克隆片段对pac表达的影响。如果克隆片段含有完整的调节基因(pacR)。诱导剂不能使由高拷贝pacR表达的阻抑物失活,部分阻抑物结合pac操纵基困,阻碍RNA聚合酶对加pac的转录,因此pac的表达量降低。发酵结果表明,阻抑物可能是由pac结构基因内部的ORFⅡ编码的蛋白因子。     

肝癌基因调控网络研究进展

肝癌(Hepatocellular carcinoma,HCC)是我国常见的恶性肿瘤之一。肝癌基因调控网络(HCC regulatory network,HCC GRN)是研究肝癌分子机制的重要途径之一,其节点包括肝癌相关的分子,如mi RNA、TF等,网络的边由节点间相互作用关系构成。基于不同类型的数据构建的肝癌基因调控网络其类型及特征各有不同。综合近年来肝癌基因调控网络研究发现,由TF与mi RNA构建的肝癌转录调控网络更能揭露肝癌关键基因,反映关键基因在调控网络中的扰动情况。整合基因变异信息与调控网络成为研究肝癌基因调控网络的趋势,但相应的研究几乎是空白的。本文从HCC GRN的数据来源、分类及特征,及各类型调控网络的近年研究情况等方面进行综述,并结合相关研究工作对肝癌基因调控网络研究现状进行分析与讨论,对前景进行展望,为这一领域研究工作提供参考。     

MCF细胞中人干细胞因子基因新调控元件的鉴定

人干细胞因子（ｈｕｍａｎ ｓｔｅｍ ｃｅｌｌ ｆａｃｔｏｒ,ｈＳＣＦ）是一个多功能细胞生长因子,调节某些哺乳动物干细胞如原始胚细胞的增殖、分化和移居。为研究ｈＳＣＦ基因的转录调控机理,对ｈＳＣＦ基因５’旁侧序列不同长度片段进行亚克隆,构建系列重组ｐＧＬ２荧光素酶报告基因载体,转染人乳腺癌细胞株ＭＣＦ并检测ｌｕｃ基因一过性表达活性。然后应用电泳迁移率变动分析技术,鉴定活性片段与ＭＣＦ细胞核抽提蛋白质     

TRIM28 Controls a Gene Regulatory Network Based on Endogenous Retroviruses in Human Neural Progenitor Cells

1. Download high-res image (117KB)
2. Download full-size image

     

一种基于基因表达模型识别酵母细胞周期条件特异调控子网的方法

由高通量微阵列技术产生的数据集可以用于解释生物系统基因调控的未知机制.生物过程是动态的,所以很有必要关注某些条件下特异的基因调控子网络.细胞周期是一个基本的细胞过程,识别酵母的细胞周期特异调控子网是理解细胞周期过程的基础,并且有助于揭示其他细胞条件的基因调控机理.使用一个基因表达微分方程模型(GEDEM),从静态网络中识别了动态的细胞周期相关调控关系.与已经报道的细胞周期相关调控相互作用相比,该方法识别了更多的真实存在的条件特异调控关系,取得了比当前的方法更好的性能.在大数据集上,GEDEM 识别了具有高敏感性和特异性的调控子网.组合调控的深入分析显示,条件特异调控子网的转录因子之间的相关性呈现出比静态网络中转录因子相关性更强,这说明条件特异网络比静态网络更加接近真实情况.另外,GEDEM 方法还识别更多潜在的共调控转录因子.     

整合受体调控基因表达信息构建细胞通信网络

目的 构建细胞通信网络有助于揭示细胞间协同工作机制、生物学过程和疾病发病机理。目前基于配体-受体相互作用构建细胞通信网络的方法大多只考虑配体和受体的表达信息，忽略了受体对其调控基因的信号传递影响，导致构建的细胞通信网络可靠性较低。鉴于此，本文提出IRRG算法，旨在构建更为准确的细胞通信网络，并挖掘具有生物学意义的细胞通信模式。方法 本文提出了一种整合受体调控基因表达信息构建细胞通信网络的方法（命名为IRRG）。该方法通过随机游走方式计算受体对下游基因的影响得分，进而与配体-受体共表达量结合构建细胞通信网络。结果 使用IRRG构建了小鼠滤泡间表皮（IFE）细胞通信网络并分析了配体-受体对的生物学意义，验证了IRRG计算受体影响得分的稳定性和细胞通信网络构建的可靠性。此外，使用IRRG构建了透明细胞肾细胞癌（ccRCC）的细胞通信网络，挖掘并分析其肿瘤微环境细胞通信模式。结论 IRRG可以构建富有生物学意义并且可靠的细胞通信网络，帮助人们从细胞通信的角度更深入地了解多种生物过程。IRRG算法代码可从GitHub获取：https://github.com/NWPU-903PR/IRRG。     

一类具有时滞的神经网络模型的收敛性

运用Lyapunov泛函方法,讨论一类具有时滞的神经网络模型平衡点的全局渐近稳定性,并获得一个新的充分条件．     

Spatiotemporal Decline of BMP Signaling Activity in Neural Progenitors Mediates Fate Transition and Safeguards Neurogenesis

1. Download : Download high-res image (170KB)
2. Download : Download full-size image