基于表达及网络拓扑结构挖掘动脉粥样硬化风险疾病基因

基于功能基因组信息、网络拓扑结构信息整合分析方法,利用基因表达谱数据和蛋白质互作数据挖掘动脉粥样硬化(AS)风险疾病基因,为从基因组层面研究动脉粥样硬化提供了新的视角．经过差异表达分析,支持向量机(SVM)的机器学习方法双重筛选,可以鉴别出可信度水平较高的风险疾病基因,对于研究动脉粥样硬化疾病基因在网络中的拓扑性质,建立基因与疾病发生发展过程的联系,提供了新的思路．得到了巨噬细胞样本中59个风险疾病基因,泡沫细胞中61个风险疾病基因．这些风险基因与已知疾病基因共享大部分动脉粥样硬化病变相关生物学过程及信号通路．并应用到对其他复杂疾病致病机理的研究中．     

基于熵值的尿路感染疾病基因网络的模块划分与生物学机制分析

尿路感染的病因比较复杂、且治愈后容易复发,因此,治疗尿路感染疾病已经在人们日常生活中成为了一大难题。本研究通过从Pubmed数据库获取与尿路感染疾病相关的基因共59个,然后运用String数据库建立尿路感染疾病的基因网络(有54个节点和337条边),进而利用MCODE cluster、MCL cluster和Community cluster (glay) 3种常见的模块划分方法对尿路感染疾病基因网络进行模块识别,通过网络结构熵值进行评价,发现MCODE cluster方法划分出4个模块,网络熵值为3.179 4,在几种方法中熵值最小,最适于尿路感染疾病基因网络模块的识别。运用DAVID对尿路感染疾病的基因网络和MCODE cluster划分出的模块进行功能富集分析,分别得到了38和32条KEGG信号通路,且有70.7%的覆盖率,说明了MCODE的模块识别方法可以识别出疾病基因网络中与疾病生物学功能关系较为密切的基因,并可以找出可以代表该基因网络大部分生物学功能的模块网络。这为后期研究"药物-靶点-疾病"间关联提供了一种可行方案。     

基于功能一致性和网络拓扑属性预测冠心病致病基因

基于功能一致性利用蛋白质互作网络挖掘潜在的疾病致病基因,对于了解疾病致病机理和改进临床治疗至关重要．基于基因功能一致性和其在蛋白质互作网络中的拓扑属性将基因与疾病之间建立关联,对疾病风险位点内的基因进行了致病风险预测,并通过GO及KEGG功能富集分析方法进一步筛选,预测出新的致病基因．预测出了51个新的冠心病致病基因,分析发现大部分基因参与了冠心病的致病过程．为疾病基因的挖掘提出一个新的思路,从而有助于复杂疾病致病机理的研究．     

基于功率谱信息熵与GK模糊聚类的生物组织变性识别方法

本文提出了一种基于功率谱信息熵和GK模糊聚类相结合的方法,应用于生物组织变性识别判定中。利用高强度聚焦超声辐照离体新鲜猪肉来改变其特性,并用热电偶测量声焦区温度,同时采集了不同温度时的超声回波信号。通过对采集的信号进行截取,研究了分段数对功率谱信息熵辨识性能的影响。研究发现当分段数为26至32时,功率谱信息熵的准确度、灵敏度和特异度均有较高的值。本研究计算了分段数为30时的功率谱信息熵,此时的变性组织对应的功率谱信息熵比未变性组织对应的功率谱信息熵平均高出约0. 094,大约为7. 99%。采用功率谱信息熵作为特征参数时,GK模糊聚类效果优于模糊C均值聚类;采用GK模糊聚类方式,功率谱信息熵比小波熵具有更高的辨识率。     

转基因甘蓝型油菜亲和性等级识别方法构建

为预测转基因甘蓝型油菜商业释放的基因流环境生态风险,基于模糊数学中模糊聚类分析与模糊模型识别,并结合生物统计学相关知识,构建了转基因甘蓝型油菜亲和性等级识别方法.该方法包含转基因甘蓝型油菜种间组合亲和性的模糊聚类分析、模糊聚类结果F检验、种间组合风险等级划分和风险等级模式识别4个基本步骤.并在等级模式识别步骤中针对样本数据收集情况的不同,构建了不同的等级识别方法,与传统聚类的硬性划分相比更具灵活性.以收集的常规油菜杂交实验数据聚类形成6个风险等级模式,将一甘蓝型油菜种间杂交实验进行亲和性等级识别为例对该方法进行了演示,论证了该方法具可操作性.     

一个基于熵的对疾病基因精细定位的指数

针对人类疾病基因的精细定位,本文利用稠密的标记位点,通过比较标记的熵和条件熵,给出了一个基于熵的指数。该指数可以度量标记基因和性状位点间连锁不平衡(LD)程度。该指数的特性是它不依赖于标记基因的频率。同时它对应疾病易感位点(DSL)精细定位的哈迪-温伯格不平衡(HWD)指数。通过计算机模拟,文章调查了不同遗传参数下该指数的性质。模拟结果表明该指数用作疾病易感位点精细定位是有效的。     

基于人类信号网络和表达谱数据挖掘动脉粥样硬化相关模块

目的:动脉粥样硬化是一种高致死率的慢性炎症疾病,其发生和发展的机制尚不明确。本文基于人类信号网络和基因表达谱数据对动脉粥样硬化相关模块进行挖掘,以探究其在疾病发生发展中的作用机制。方法:结合人类信号网络和基因表达谱数据,设计显著差异模块筛选策略,通过功能分析,挖掘动脉粥样硬化相关模块,对动脉粥样硬化的致病机制进行研究。结果:基于网络模块的平均表达值改变量,采用两种随机方法,进行显著差异模块筛选,最终获得8个动脉粥样硬化相关的显著差异模块。结论:应用本文提出的整合筛选策略,能识别与动脉粥样硬化相关的模块,获得潜在的致病基因,并从外周血的基因表达改变来探究动脉粥样硬化致病机制,这对动脉粥样硬化的诊断、治疗以及发生发展机制的研究具有重要意义。     

复杂生物数据集的聚类数自动确定方法

聚类数目是影响聚类效果的关键参数,通常需要人工确定,对于较难获得这一先验知识的复杂生物数据集,聚类分析会因此受到限制。针对这一问题,文章提出一种自动确定最佳聚类数目的方法,该方法利用体现"类内紧凑类间离散"思想的优化聚类算法来执行主要计算,结合目标函数二阶差分的判定准则,通过聚类算法的自学习来确定最佳聚类数。实验结果显示,该方法能在复杂数据集上自动得到合理的聚类数目。     

基于生物多样性的流感暴发研究

为揭示流感病毒在环境中的生存能力,本文提出了一种基于评价流感病毒的生物多样性指标,研究流感病毒大流行的规律。基于1902-2016年的99 861条流感病毒的血凝素蛋白质序列,提取40维特征向量,并采用层次聚类方法获取流感病毒每一年的最优聚类数。进而,基于生物多样性的评价指标,计算出每一年的种群熵值,以表达流感病毒的生物多样性和种群熵变化率,从而衡量流感病毒的变异速率。结合历史数据,通过种群熵评价流感病毒的生物多样性能够与已发生的流感暴发时间很好吻合。以上研究可为流感病毒的暴发预测提供依据。     

基于全局角度网络策略的复杂疾病风险通路识别

复杂疾病的发生发展与机体内生物学通路的功能紊乱有密切联系,从高通量数据出发,利用计算机辅助方法来研究疾病与通路间的关系具有重要意义.本文提出了一个新的基于网络的全局性通路识别方法.该方法利用蛋白质互作信息和通路的基因集组成信息构建复杂的蛋白质-通路网.然后,基于表达谱数据,通过随机游走算法从全局层面优化疾病风险通路.最终,通过扰动方式识别统计学显著的风险通路.将该网络运用于结肠直肠癌风险通路识别,识别出15个与结肠直肠癌发生与发展过程显著相关的通路.通过与其他通路识别方法(超几何检验,SPIA)相比较,该方法能够更有效识别出疾病相关的风险通路.     

基于基因表达谱的肿瘤分型和特征基因选取

在分析基因表达谱数据特性的基础上,提出了一个将之用于肿瘤分子分型和选型和选取相应亚型特征基因的策略。该策略包括三个步骤：首先采用一个无监督的基因过滤算法以降低用于分型计算的数据的噪声,其次提出了一个概率模型对样本中的分类结构进行建模,最后基于聚类的结果采用相对熵的方法获得对分类贡献大的基因作为特征基因,应用该策略对两个公开发表的数据集进行了再挖掘,结果表明不但获得了其他方法可以得到的信息,而且还提供了更精细、更具有显著生物学意义的信息,具有明显的优越性。     

基于节点-模块置信度及局部模块度双重约束挖掘前列腺癌候选疾病模块

前列腺癌病因及发病机理研究有助于前列腺癌预防和治疗.目前,前列腺癌生化试验研究方法成本高、耗时,而基于网络计算方法容易受基因表达谱数据不完整、噪声高及实验样本数量少等约束.为此,本文提出一种基于节点-模块置信度及局部模块度的双重约束算法(命名为NMCOM),挖掘前列腺癌候选疾病模块.NMCOM算法不依赖基因表达谱数据,采用候选基因与致病表型之间一致性得分,候选基因与致病基因之间语义相似性得分融合排序策略,选取起始节点,并基于节点-模块置信度及局部模块度双重约束挖掘前列腺癌候选疾病模块.通过对挖掘出的模块进行富集分析,最终得到18个有显著意义的候选疾病基因模块.与单一打分排序方法及随机游走重开始方法相比,NMCOM融合排序策略的平均排名比小、AUC值大,且挖掘出结果明显优于其他模块挖掘算法,模块生物学意义显著.NMCOM算法不仅能准确有效地挖掘前列腺癌候选疾病模块,且可扩展挖掘其他疾病候选模块.     

UPLC-ESI-QTOF/MS~E结合UNIFI快速分析华蟾素注射液化学成分

采用超高效液相色谱-电喷雾离子源-四级杆飞行时间质谱(UPLC-ESI-QTOF/MS)结合UNIFI天然产物信息平台快速分析华蟾素注射液化学成分。利用QTOF/MS非信息依赖扫描的MS~E模式采集复杂组分质谱信息,将采集的质谱数据文件和自建化学成分库导入UNIFI,进行智能匹配,随后使用MassLynx工作站逐个核对。本实验共辨识76个化学成分,其中蟾蜍二烯羟酸内酯类36个、生物碱类12个(包括1种新成分)、小分子肽类13个、有机酸类7个、酰胺类4个、甾醇类2个、其他类2个。本方法能快速分离、分析华蟾素注射液复杂组分,为该制剂的毒-效成分及质量控制研究奠定了基础。     

改进的系统发育谱算法在蛋白质功能注释中的应用

系统发育谱方法是目前研究较多的一种基于非同源性的生物大分子功能注释方法。针对现有算法存在的一些缺陷,从两个方面对该方法做了改进：一是构造基于权重的系统发育谱;二是采用改进的聚类算法对发育谱的相似性进行分析。从NCBI上下载100条Escherichia coli K12蛋白质作为实验数据,分别使用改进的算法和经典的层次聚类算法、K均值聚类算法对相似谱进行分析。结果显示,提出的改进算法在对相似谱聚类的精确度上明显优于后两种聚类算法。     

基于基因表达谱的疾病亚型特征基因挖掘方法

在本研究中,提出了一种基于基因表达谱的疾病亚型特征基因挖掘方法,该方法基于过滤后基因表达谱,融合无监督聚类识别疾病亚型技术和提出的衡量特征基因对疾病亚型鉴别能力的模式质量测度,以嵌入的方式实现特征基因挖掘。最后将提出的方法应用于40例结肠癌组织与22例正常结肠组织中2000个基因的表达谱实验数据,结果显示:提出的方法是一种可行的疾病亚型特征基因挖掘方法,方法的优势在于可并行实现疾病亚型划分和特征基因识别。     

多基因复杂性状与疾病的基因定位和鉴定国际学术研讨会将在长沙召开

［本刊讯］ 由国家自然科学基金委员会、中国遗传学会、国家人类基因组南方研究中心、复旦大学、湖南师范大学、湖南医科大学、中国农业大学等单位主办的多基因复杂性状与疾病的基因定位和鉴定国际学术研讨会将于2001年5月在长沙市湖南师范大学召开。本次大会的中心议题是：1国内、国际在多基因复杂性状与疾病的基因定位和鉴定方面的最新研究成果、发展与趋势；2多基因复杂性状与疾病的基因定位和鉴定基本实验设计、方法和手段，相关计算方法和运算软件；3人类基因组计划的成就与多基因复杂疾病基因的定位和鉴定；4生物高新技术与产…     

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。     

利用Image J软件对家兔动脉粥样硬化病变图像进行定量分析的方法

目的动脉粥样硬化是心血管病的病理基础之一,而心血管病是全世界最主要的疾病致死原因。许多成熟的动物模型能够很好的模拟人类动脉粥样硬化的复杂病变,极大地促进了动脉粥样硬化的研究。然而,这些复杂病变也增加了研究者的分析难度。为此我们提出一套行之有效的图像分析方法对这些病变进行分析,并且该方法基于跨平台的免费图像软件-Image J。方法首先,苏丹Ⅳ和EVG(Elastic Van Gieson)染色被用来估算动脉粥样硬化病变的大体面积和镜下面积。其次,通过对免疫组化图像进行分析,病变中的细胞成分被准确定量。最后,家兔心脏被切成7个包块以便于在较大的范围寻找和分析冠脉动脉粥样硬化病变。结果我们提出的这套动脉粥样硬化病变的图像分析方法,能够准确和有效的评估动脉粥样硬化病变程度。结论该研究方法降低了研究工作难度和研究成本,并能够推广到更多的动物模型及临床组织学图像的分析中去。     

基于致病基因网络模块性预测风险致病基因

相关疾病基因的发现和预测有助于认识疾病发生机理及该疾病的诊断与防治,是人类基因组研究的重要目标。临床表现重叠的疾病经常由同一功能模块中的一个或多个基因变异引起,且导致疾病表型相似的基因间经常发生直接或间接相互作用,也就是致病基因具有网络模块性。鉴于此,基于k近邻思想扩展异构网络游走RWRH算法中的初始游走概率向量,作者提出一种改进的异构网络随机游走KRWRH算法,在基因-表型异构网络中深层次挖掘潜在风险致病基因。KRWRH算法通过扩展种子集合构建起始概率向量,种子集合包含已知致病基因及其k近邻基因;然后在异构网络中随机游走,通过迭代形成稳态概率向量,从而获得候选致病基因。通过对孟德尔遗传在线数据库中的18种遗传疾病进行仿真验证,说明KRWRH算法可有效预测潜在风险致病基因。     

与实验条件相关的基因功能模块聚类分析方法

针对细胞内基因功能模块化的现象,定义了“基因功能模块”和“特征功能模块”两个概念,并基于这两个概念提出一种“与实验条件相关的基因功能模块聚类算法”。该算法综合利用基因功能知识与基因表达谱信息,将基因聚类为与实验条件相关的基因功能模块。向基因表达谱中加入水平逐渐升高的数据噪音,根据基因功能模块对数据噪音的抵抗力,确定最稳定的基因功能模块,即特征功能模块。加噪音实验显示,在基因芯片技术可能发生的噪音范围内,该算法对噪音的稳健性优于层次聚类和模糊C均值聚类。将模块聚类算法应用在NCI60数据集上,发现了8个与实验条件高度相关的特征功能模块。