动态网络生物标记识别的可计算建模与算法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    91330114
  • 项目类别：
    重大研究计划
  • 资助金额：
    65.0万
  • 负责人：
    吴凌云
  • 依托单位：
    中国科学院数学与系统科学研究院
  • 学科分类：
    C0504.物理生物学
  • 结题年份：
    2016
  • 批准年份：
    2013
  • 项目状态：
    已结题
  • 起止时间：
    2014-01-01 至2016-12-31

项目摘要

Biomarkers play an important role in the clinical diagnosis and therapy and the basic scientific research of complex diseases. From the viewpoint of systems biology, this project will study the computable modeling and high performance algorithms for the dynamic network biomarker identification in heterogeneous complex diseases, such as the modeling and algorithms of multi-level dynamic network construction for heterogeneous diseases, the modeling of dynamic network biomarker with integration of multi-sources biological data, and the efficient algorithms for identifying dynamic network biomarkers. Several demonstrative applications will be conducted on selected important complex diseases, for example, the methodologies for early-warning, diagnosis and prognosis of complex diseases, the development and progression of complex diseases, and drug combination and repositioning. This project will focus on the high performance algorithms for the common algorithmic problems of computational systems biology such as the network representation of bio-medical data, network comparison, network evaluation, and sub-network search. This project will provide the key computational and mathematical methodological support for the research on complex diseases.
生物标记在复杂疾病的临床诊断治疗和基础科学研究上都有着非常重要的地位和意义。本项目计划从系统生物学角度出发，研究针对异质性复杂疾病的动态网络生物标记识别的可计算建模与高性能算法，包括异质性疾病的多层次动态网络模型与构建算法、整合多层次生物数据的动态网络生物标记模型、以及高效的动态网络生物标记识别算法等。同时选择一些重要的复杂疾病进行动态网络生物标记的示范应用研究，例如复杂疾病预警、诊断和预后方法，复杂疾病发生发展机制研究，药物组合与旧药新用研究等。本项目将紧紧围绕重大计划的总体目标，通过对计算系统生物学中的几个重要的基础共性问题：生物医学数据的网络表示、网络比较、网络评价、子网络搜索等的高性能算法研究，开展动态网络生物标记识别的可计算建模和算法研究，为“人口与健康”这一重要科学前沿和重大国家需求中的复杂疾病研究提供关键的计算技术和数学方法支撑。

结项摘要

本项目的研究目标是异质性复杂疾病的网络生物标记识别与分析中的可计算关键数学模型和高性能共性基础算法，主要研究内容包括：（1）通过整合基因表达、表观遗传、生物分子网络等多层次组学数据建立单样本网络（即所谓的个性化网络，以克服复杂疾病的异质性导致的困难）；（2）发展一套高效的网络生物标记识别模型与算法（由于网络内在的非线性组合特性，网络生物标记识别模型通常都被转化为一个组合优化问题，具有非常高的计算复杂性）；（3）建立适合于网络生物标记的功能分析方法（目前主要的功能富集分析方法都是针对基因集的，缺乏对网络信息的有效利用）。本项目从系统生物学角度出发，针对异质性复杂疾病的生物标记识别，建立了从整合多层次异质性数据、构建单样本网络、网络生物标记识别、基于网络的组合功能富集分析一系列方法，覆盖了网络生物标记识别的完整分析流程。在模拟和实际数据上的全面的计算实验展示了这些方法具有优秀的性能和突出的效果。本项目的成果可以应用于复杂疾病的基础和临床研究，为“人口与健康”这一重要科学前沿和重大国家需求中的复杂疾病研究提供关键的计算技术和数学方法支撑。

项目成果

期刊论文数量（7）
专著数量（1）
科研奖励数量（3）
会议论文数量（1）
专利数量（0）
Integrating heterogeneous genomic data to accurately identify disease subtypes.
整合异质基因组数据以准确识别疾病亚型
  • DOI：
    10.1186/s12920-015-0154-5
  • 发表时间：
    2015-11-20
  • 期刊：
    BMC medical genomics
  • 影响因子：
    2.7
  • 作者：
    Ren X;Fu H;Jin Q
  • 通讯作者：
    Jin Q
Safe sequencing depth to estimate the intra-host heterogeneity of viruses.
安全测序深度可估计病毒的宿主内异质性。
  • DOI：
    10.1093/bfgp/elv039
  • 发表时间：
    2016-07
  • 期刊：
    Brief Funct Genomics
  • 影响因子：
    --
  • 作者：
    Ren, Xianwen;Jin, Qi
  • 通讯作者：
    Jin, Qi
Cancer stem cells display extremely large evolvability: alternating plastic and rigid networks as a potential Mechanism Network models, novel therapeutic target strategies, and the contributions of hypoxia, inflammation and cellular senescence
癌症干细胞表现出极大的进化性：交替的塑料和刚性网络作为潜在的机制网络模型、新颖的治疗靶点策略以及缺氧、炎症和细胞衰老的贡献
  • DOI：
    10.1016/j.semcancer.2013.12.004
  • 发表时间：
    2015-02-01
  • 期刊：
    SEMINARS IN CANCER BIOLOGY
  • 影响因子：
    14.5
  • 作者：
    Csermely, Peter;Hodsagi, Janos;Zhang, Xiang-Sun
  • 通讯作者：
    Zhang, Xiang-Sun
Structure and dynamics of core/periphery networks
核心/外围网络的结构和动态
  • DOI：
    10.1093/comnet/cnt016
  • 发表时间：
    2013-12-01
  • 期刊：
    JOURNAL OF COMPLEX NETWORKS
  • 影响因子：
    2.1
  • 作者：
    Csermely, Peter;London, Andras;Uzzi, Brian
  • 通讯作者：
    Uzzi, Brian
Clinical utility comparison of two benchtop deep sequencing instruments for rapid diagnosis of newly emergent influenza infections.
两种台式深度测序仪快速诊断新发流感感染的临床效用比较。
  • DOI：
    10.1016/j.cmi.2014.10.016
  • 发表时间：
    2015-03
  • 期刊：
    Clin Microbiol Infect
  • 影响因子：
    --
  • 作者：
    Dong, J;Sun, L;Zhu, Y;Jin, Q
  • 通讯作者：
    Jin, Q

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

地西他滨治疗骨髓增生异常综合征 及相关肿瘤的疗效预测因素研究
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    中华血液学杂志
  • 影响因子：
    --
  • 作者：
    赵佑山;郭娟;许峰;吴东;吴凌云;宋陆茜;肖超;李晓;常春康
  • 通讯作者：
    常春康
骨髓增生异常综合征患者中U2AF1基因突变的研究进展
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    国际输血及血液学杂志
  • 影响因子：
    --
  • 作者：
    朱屿倩;吴凌云
  • 通讯作者：
    吴凌云
m~6A甲基化修饰在血液系统恶性肿瘤中的作用研究进展
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    上海交通大学学报 (医学版)
  • 影响因子：
    --
  • 作者：
    朱屿倩;吴凌云
  • 通讯作者：
    吴凌云
虫媒传粉植物荞麦的生物学特性与研究进展
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    生物多样性
  • 影响因子：
    --
  • 作者：
    吴凌云;黄双全
  • 通讯作者：
    黄双全
基于机器学习的RNA编辑位点预测方法综述
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    生物信息学
  • 影响因子：
    --
  • 作者：
    冷嘉承;吴凌云
  • 通讯作者：
    吴凌云

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

吴凌云的其他基金

基于条件随机场的生物信息学方法
  • 批准号：
    60970091
  • 批准年份：
    2009
  • 资助金额：
    30.0 万元
  • 项目类别：
    面上项目
生物信息学中的单体型推断模型与算法研究
  • 批准号：
    60503004
  • 批准年份：
    2005
  • 资助金额：
    21.0 万元
  • 项目类别：
    青年科学基金项目

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