从组学大数据解析2型糖尿病发生发展分子机制的双重特征分析方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11871462
  • 项目类别:
    面上项目
  • 资助金额:
    52.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0604.生物与生命科学中的数学
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

Type 2 diabetes (T2D) is a complex, chronic and non-self-curable disease which is associated with obesity. The effective diagnosis and treatment of T2D relies on a systematic understanding of the molecular mechanism of the disease development. To achieve the goal, we proposed a novel computational and statistical method, referred to as dual eigen-analysis, to unravel the molecular mechanism of complex diseases from big omic data. Particularly, we examined gene expression profiles of multi-tissues from outbred mice and rats fed with a high-fat diet (HFD) or regular chow over a time course. The dual eigen-analysis has the following features: 1 pool the samples at all time points and under all diets together, and let the data empirically stratify themselves and generate a contrast within each stratum; 2 do not assume that omic data obey normal distributions; 3 the sample and gene-eigenvectors correspond respectively to the macro- and micro-biology information. Centering around the dual eigen-analysis, we will investigate; 1 the mathematical problems of data preprocessing such as normalization; 2 the computational and statistical approach that identifies the high-fat diet gene expression eigenvectors as well as the endogenous ones, particularly the significance evaluation, robustness and stability; statistical inferences of the molecular processes and regulatory mechanisms underlying the gene expression eigenvectors; 3 the integration of expression and epigenetic data by comparative dual eigen-analysis. The dual eigen-analysis and discoveries will provide new evaluations/guidance in T2D prevention and therapy, and will also promote new mathematical thinking in big data analysis.
2型糖尿病是一种复杂的、具有多基因遗传性、并与肥胖关联的疾病,是威胁人类生活质量的慢性进展性疾病。有效地诊断和干预2型糖尿病依赖于对此疾病发生发展分子机制的全面认识。本课题以高脂饮食诱发2型糖尿病的系统机制为案例,发展从组学大数据解析复杂疾病发生发展分子机制的原创的双重特征分析方法。这个方法有以下特点:1 将全部时间点、全部饮食组的样本整合起来分析, 由数据自己定义正交分层结构,并给出双向的对比; 2. 对功能性组学数据不做正态分布假设; 3. 给出奇异值分解的新的视角,即为主要奇异值所对应的特征分量偶,建立宏观生物因子和微观分子机制的关联。围绕双重特征分析,我们研究大样本情况下数据正规化的理论基础;识别基因特征向量的计算和统计方法,特别关注显著性的评估和稳健性;以统计方法,从基因表达向量谱推断相应的细胞分子机制;推断基因特征向量对应的的分子调控机制;用比较双重特征分析整合各种组学数据。

结项摘要

通过高维组学大数据辅助解析2型糖尿病的发生发展分子机制,是应用数学和统计学对医学做出贡献的一个契机,也是一个挑战。本项目围绕大鼠和人类的两个公共胰岛转录组数据,开展了组学数据分析的公理化建模和双重特征分析方法研究。在表达组数据正规化方面,将分子生物中的看家基因共识表示为数学公理,并在此唯一公理假设基础上,演绎发展出相应的多参照系正规化方法MUREN和优度评估准则。在从基因表达谱统计推断细胞分子机制的方法方面,采用伪范数方法分析比较了Wilcoxon分值等富集分析方法。课题组提出的从基因表达谱统计推断相应调控机制的BASE方法,需要转录因子和靶点基因的结合强度。它一般是用ChIP-seq、ChIP-chip技术获取,但这种数据依赖于细胞种类和环境条件,和基因表达谱相匹配才能合理使用。我们发现启动子序列中順式调控元件的出现频率就是结合强度的很好估计。在双重特征分析方法上,提出了极化特征向量的概念,并引入扰动分析的泰勒展开和重抽样的方法研究极化特征向量的稳定性。项目首次尝试用双重特征分析方法研究进化,提出了CREF双重特征模块的概念,并比较了人和黑猩猩等的CREF模块。研究发现,在第4、5容级之间,调控模块发生了相变。在数学上对应着相等特征值带来的特征空间退化现象。这一相变产生了人类特有的第4容级模块,它调控长期记忆、以耳蜗发育为核心的语言功能,以视觉为基础的认知学习功能、社交行为、以及交感神经系统等,推动这一基因组相变的重要驱动力之一是与ALU转座子相关的变异。本课题组研发的基因组方法BAUM在2019年初获选中国生物信息学十大进展,最近我们提出了原创的拼接 基因组组装结构的稳健回归方法RegScaf。在2型糖尿病机制方面,我们在大鼠和人的表达谱中发现确认了一个公共的对应于2型糖尿病发展的主基因特征向量。这个主基因向量的分子特征是:上调的血管生成基因表达和下调的氧化磷酸化基因表达。

项目成果

期刊论文数量(6)
专著数量(1)
科研奖励数量(1)
会议论文数量(0)
专利数量(1)
The cis-trans binding strength defined by motif frequencies facilitates statistical inference of transcriptional regulation
由基序频率定义的顺反结合强度有助于转录调控的统计推断
  • DOI:
    10.1186/s12859-019-2732-6
  • 发表时间:
    2019-05-01
  • 期刊:
    BMC BIOINFORMATICS
  • 影响因子:
    3
  • 作者:
    Feng, Yance;Zhang, Sheng;Li, Lei M.
  • 通讯作者:
    Li, Lei M.
Dual Eigen-modules of Cis-Element Regulation Profiles and Selection of Cognition-Language Eigen-direction along Evolution in Hominidae.
人科动物顺式元件调控谱的双特征模块与认知语言特征方向的选择
  • DOI:
    10.1093/molbev/msaa036
  • 发表时间:
    2020-06-01
  • 期刊:
    MOLECULAR BIOLOGY AND EVOLUTION
  • 影响因子:
    10.7
  • 作者:
    Li, Liang;Zhang, Sheng;Li, Lei M.
  • 通讯作者:
    Li, Lei M.
RegScaf: a regression approach to scaffolding.
RegScaf:脚手架的回归方法
  • DOI:
    10.1093/bioinformatics/btac174
  • 发表时间:
    2022-05-13
  • 期刊:
    Bioinformatics (Oxford, England)
  • 影响因子:
    --
  • 作者:
  • 通讯作者:
ZokorDB: tissue specific regulatory network annotation for non-coding elements of plateau zokor
ZokorDB:高原鳉非编码元件的组织特异性调控网络注释
  • DOI:
    10.1007/s40484-020-0195-4
  • 发表时间:
    2020
  • 期刊:
    Quantitative Biology
  • 影响因子:
    3.1
  • 作者:
    Xin J.;Hao J.;Chen L.;Zhang T.;Li L.;Chen L.;Zhao W.;Lu X.;Shi P.;Wang Y.
  • 通讯作者:
    Wang Y.
MUREN: a robust and multi-reference approach of RNA-seq transcript normalization.
MUREN:一种稳健的多参考 RNA-seq 转录本标准化方法
  • DOI:
    10.1186/s12859-021-04288-0
  • 发表时间:
    2021-07-28
  • 期刊:
    BMC bioinformatics
  • 影响因子:
    3
  • 作者:
    Feng Y;Li LM
  • 通讯作者:
    Li LM

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

采样系统的一类脉冲观测器的设计
  • DOI:
    10.13451/j.cnki.shanxi.univ(nat.sci.).2018.01.024
  • 发表时间:
    2018
  • 期刊:
    山西大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    贾新春;李雷;马伟伟
  • 通讯作者:
    马伟伟
考虑变幂数的畸变动力学相似试验模型设计方法及试验研究
  • DOI:
    10.3901/jme.2020.23.107
  • 发表时间:
    2020
  • 期刊:
    机械工程学报
  • 影响因子:
    --
  • 作者:
    李雷;罗忠;何凤霞;张文笛
  • 通讯作者:
    张文笛
部分覆盖光伏/光热太阳能系统优化设计与实验
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    太阳能学报
  • 影响因子:
    --
  • 作者:
    何永泰;肖丽仙;刘晋豪;李雷
  • 通讯作者:
    李雷
多通道可调谐激光器实验系统设计与实现
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    实验科学与技术
  • 影响因子:
    --
  • 作者:
    刘海;冷乐蒙;马翰林;李雷;张胜;荆胜羽
  • 通讯作者:
    荆胜羽
基于二级模糊增强的图像分割
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    计算机技术与发展
  • 影响因子:
    --
  • 作者:
    李雷;张宁;房小萍
  • 通讯作者:
    房小萍

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

李雷的其他基金

从順式元件频数的双重特征模块角度研究调控进化和性状的跳变
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    58 万元
  • 项目类别:
    面上项目
从順式元件频数的双重特征模块角度研究调控进化和性状的跳变
  • 批准号:
    32170679
  • 批准年份:
    2021
  • 资助金额:
    58.00 万元
  • 项目类别:
    面上项目
高通量测序的可计算建模与应用基础算法
  • 批准号:
    91530105
  • 批准年份:
    2015
  • 资助金额:
    25.0 万元
  • 项目类别:
    重大研究计划
高通量测序技术的可计算建模与碱基辨识的算法和评估
  • 批准号:
    91130008
  • 批准年份:
    2011
  • 资助金额:
    70.0 万元
  • 项目类别:
    重大研究计划

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码