基于图挖掘的蛋白质功能预测算法的研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60703105
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    18.0万
  • 负责人：
    尚学群
  • 依托单位：
    西北工业大学
  • 学科分类：
    F0214.新型计算及其应用基础
  • 结题年份：
    2010
  • 批准年份：
    2007
  • 项目状态：
    已结题
  • 起止时间：
    2008-01-01 至2010-12-31

项目摘要

由于蛋白质在疾病中的重要作用使得确定蛋白质功能在人类疾病的研究中有着极为重要的价值。然而目前，在蛋白质功能方面的研究是极其缺乏的。除了生物学家努力通过新的实验技术和生物理论来研究问题外，利用数据挖掘方法分析生物数据，实现蛋白质功能预测，成为计算机研究人员所关注的热点问题。本项目拟以蛋白质相互作用等蛋白质相关数据为主要研究对象，构建生物数据的图模型，发展生物功能预测的创新性理论、算法、软件及数据库系统。主要研究包括：（1）提出面向高噪音生物数据的图挖掘算法，系统地提高数据的质量，提高预测结果的可靠性；（2）以多种蛋白质相关数据为研究对象，发展高伸缩性的交叉图挖掘算法，提高蛋白质功能预测的准确度。（3）构建蛋白质参与的生物途径。

结项摘要

项目成果

期刊论文数量（9）
专著数量（0）
科研奖励数量（0）
会议论文数量（9）
专利数量（0）
基于权值图的基因芯片数据差异双聚类挖掘算法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机应用研究，第28卷第一期，P48-50
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
WIBE: Mining Frequent Closed Patterns Without Candidate Maintenance in Microarray Dataset
WIBE：在微阵列数据集中挖掘频繁闭合模式而无需候选维护
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
Mining Functional Associated Patterns From Biological Network Data
从生物网络数据中挖掘功能相关模式
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
MFC: Mining Maximal Frequent Dense Subgraphs without Candidate Maintenance in Imbalanced PPI Networks
MFC：在不平衡 PPI 网络中挖掘最大频繁密集子图而无需候选维护
  • DOI：
    10.4304/jsw.6.3.498-507
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
Mining High-Correlation Association Rules For Inferring Gene Regulation Network
挖掘高相关关联规则推断基因调控网络
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：

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

临界布尔网络的函数泛化问题研究
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    电子学报
  • 影响因子：
    --
  • 作者：
    于雄香;沈良忠;尚学群;刘文斌
  • 通讯作者：
    刘文斌
基于数字签名与Trie的保序子矩阵约束查询
  • DOI：
    10.13328/j.cnki.jos.005124
  • 发表时间：
    2017
  • 期刊：
    软件学报
  • 影响因子：
    --
  • 作者：
    姜涛;李战怀;尚学群;陈柏林;李卫榜;殷知磊
  • 通讯作者：
    殷知磊
相对行常量差异共表达双聚类挖掘算法
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    计算机应用
  • 影响因子：
    --
  • 作者：
    谢华博;尚学群;王淼
  • 通讯作者：
    王淼
基因表达数据中局部模式的查询
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    计算机科学
  • 影响因子：
    --
  • 作者：
    姜涛;李战怀;尚学群;陈伯林;李卫榜
  • 通讯作者：
    李卫榜
临界布尔网络的函数泛化问题研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    电子学报
  • 影响因子：
    --
  • 作者：
    于雄香;沈良忠;尚学群;刘文斌
  • 通讯作者：
    刘文斌

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

尚学群的其他基金

基于大数据的精准教学评价和学习行为预测理论和方法研究
  • 批准号：
    U1811262
  • 批准年份：
    2018
  • 资助金额：
    481.0 万元
  • 项目类别：
    联合基金项目
可变剪接网络构建与分析研究
  • 批准号：
    61772426
  • 批准年份：
    2017
  • 资助金额：
    63.0 万元
  • 项目类别：
    面上项目
基于高通量测序数据的多层次生物网络分析理论与关键技术
  • 批准号：
    61332014
  • 批准年份：
    2013
  • 资助金额：
    260.0 万元
  • 项目类别：
    重点项目
挖掘蛋白质网络动态特征的方法研究
  • 批准号：
    61272121
  • 批准年份：
    2012
  • 资助金额：
    76.0 万元
  • 项目类别：
    面上项目

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