以海量数据计算揭示人类疾病发生机制及相关分子标志物

发布时间：2017-10-13 01:28

本文关键词：以海量数据计算揭示人类疾病发生机制及相关分子标志物

【摘要】：高通量芯片和深度测序技术为在全基因组水平上绘制高分辨率的基因组变异、RNA转录、转录因子结合及组蛋白修饰图谱等研究提供了前所未有的机遇.这些技术彻底改变了以往有关转录组学、调控网络以及表观遗传调控的研究方法,产生了海量的多水平组学数据,并开启了高效数据整合研究的先河.然而,如何有效地整合这些数据仍然是一个巨大的挑战.本文总结了高通量组学数据的产生对相关领域研究的主要影响及其与人类疾病的关系,并介绍了多种用于数据整合分析的生物信息学方法.最后,以炎症疾病为例进行说明.
【作者单位】：中国科学院-马普学会计算生物学伙伴研究所计算生物学重点实验室;
【关键词】：组学 数据整合 生物信息学 系统生物学 分子标志物
【基金】：国家自然科学基金(批准号:31271390,31271354,31171277,31070748,30890033,31210103916,91019019)资助项目
【分类号】：R346
【正文快照】： 十几年前,人类基因组草图及其序列的公布[1,2]向人们展示了基因组水平的发现将革命性地改变人类疾病研究及其临床治疗应用.随着不同个体基因组测序的完成,基于计算分析的比较基因组学已成为在全基因组水平上研究基因功能的一个强大工具.同时研究表明,个体之间的差异远远超过

【相似文献】

中国期刊全文数据库前10条

1 杨旭;焦睿;杨琳;吴莉萍;李英睿;王俊;;基于新一代高通量技术的人类疾病组学研究策略[J];遗传;2011年08期

2 ;[J];;年期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期