基于生物信号通路的复杂疾病标志物识别与研究

发布时间：2019-01-17 08:14

【摘要】：人类复杂疾病,如癌症、高血压、心脏病、糖尿病等,一直是广大科研人员所关注的热点和难点。此前的研究已经表明,癌症等复杂疾病都是由于遗传与环境因素共同作用而产生的。这种多因素的复杂关系,给这些疾病的诊断和治疗造成了很大的困难。随着生物学、物理学和计算机科学的发展,以及生物实验技术的进步,特别是微阵列芯片技术的广泛应用,产生了大量高通量生物数据,以及各种类型的“组学”数据,为更加深入的研究和认识复杂疾病的发生和发展机制提供了机遇。与主要针对单个基因或蛋白质的传统生物学研究不同,采用系统生物学的研究方法,可以整合不同层次的数据,通过分析各种生物分子之间的相互作用的动态变化,帮助我们发现和认识复杂疾病的特殊规律。 本文主要从基因表达数据出发,整合生物学通路以及多种不同类型的生物学信息及相关研究成果,对复杂疾病进行了分析研究。通过对癌症和正常组织两种不同表型的分析,运用特征选择、聚类分析、网络分析等多种技术手段,对癌症的生物标志物进行了深入研究。主要研究工作包括： (1)提出了一种基于生物学通路的生物标志物预测方法,首先,整合基因表达数据、生物学通路信息和蛋白质相互作用信息,构建生物学通路相互作用网络；然后,以基因表达数据为基础,利用支持向量机和特征选择,挑选与癌症相关的生物学通路；最后,从生物学通路网络出发,以分类能力为评价指标,从网络中找出失调的生物学通路模块,找到的网络模块可以有效的区分正常与癌症组织。此外,还通过与其它方法进行比较,并在其它独立数据集上进行验证,结果都表明,我们的方法具有很好的鲁棒性,并且对找出的癌症标志物进行生物学分析,发现从生物学通路角度具有更加清晰的生物学意义。 (2)提出了一种识别与复杂疾病相关的microRNA(miRNA)的计算方法。由于(?)niRNA是一种相对较短的RNA分子,容易受到实验条件和环境的影响。因此,我们先根据基因表达数据,对miRNA靶基因进行聚类,通过聚类分析能有效减少靶基因中包含的噪音,再运用支持向量机对靶基因集合进行测试,保留具有一定区分能力的基因集。另一方面,我们对生物学通路进行了筛选,再将靶基因聚类集合与生物学通路通过富集分析进行关联,识别出与癌症相关的(?)niRNA标志物。我们将得到的结果与已有的数据库进行比对,证明这种方法提高了癌症miRNA标志物的识别准确性。我们还对找到的(?)miRNA标志物,进行排序,构建了癌症、miRNA与生物学通路的相互作用网络,通过网络分析,能够帮助我们更清晰的了解miRNA的标靶和它在多种癌症中的生物学作用。 本文以系统生物学的方法,结合多种“组学”数据,运用机器学习,网络分析等多种技术对复杂疾病,特别是癌症进行了研究分析,取得了较好的结果,相关的研究内容和成果,可以加深我们对癌症这种复杂疾病的认识,促进对癌症标志物的深入研究,有助于癌症的诊断和治疗药物的开发。
[Abstract]:Human complex diseases, such as cancer, hypertension, heart disease, diabetes, etc., have been a hot and difficult point of attention for scientific researchers. Previous studies have shown that complex diseases such as cancer are due to genetic and environmental factors. The complex relationship of these multiple factors has caused great difficulties for the diagnosis and treatment of these diseases. With the development of biology, physics and computer science, as well as the progress of the biotechnology, in particular the wide application of microarray chip technology, a large number of high-throughput biological data and various types of 鈥済roup study鈥，

本文编号：2409798