动脉粥样硬化发生发展过程中关键节点和调控网络的系统生物学研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    91439103
  • 项目类别:
    重大研究计划
  • 资助金额:
    170.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    C0504.物理生物学
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

Atherosclerosis is one of the major factors causing cardiovascular diseases including myocardial infarction. The onset and progression of atherosclerosis resulted from dysregulation of the blood vessel homeostasis involve complicated dynamic regulations among biomolecular networks. This project aims to develop a mathematical model to describe the critical events that lead to the onset and progression of atherosclerosis, based on both theoretical analysis and biological experiment, and further establish a theoretical method for early prediction of the dysregulation of blood vessel homeostasis and atherosclerotic lesion formation based on bifurcation theory of nonlinear dynamical system from the viewpoint of systems biology. Specifically, (1) infer regulatory networks of arteriosclerotic vascular disease by integrating heterogeneous high throughput data, e.g., data of genomics, proteomics and metabolomics, at different stages; (2) identify functional modules, active pathways, and further dynamical network biomarkers to characterize the critical transition from normal vessel to atherosclerotic lesion, by comparing and analyzing the biomolecular networks on various conditions; (3) develop a prediction model to identify the early signal of the critical transition in atherosclerosis by using a few or even a single sample, and further validate the theoretical results with biological experiments using animal models.
动脉粥样硬化是心脑血管疾病的主要原因之一,其发生发展不仅是一个非线性的稳态失衡过程,而且涉及到复杂分子网络的动态调控。本项目由理论计算和实验验证相结合的系统生物学研究模式,建立动脉血管稳态失衡从而导致粥样硬化的数学模型,开发基于系统科学和动力系统理论等的粥样硬化早期诊断方法,近一步确定稳态失衡的关键节点和关键分子网络。(1)通过整合生物医学大数据,基于双聚类算法和矩阵分解模型,推断动脉血管稳态失衡过程中的基因、蛋白质、代谢分子间的调控关系,建立动脉粥样硬化过程的分子调控网络。(2)通过整合基因、蛋白质、代谢等多层次网络,确定刻画稳态失衡过程的动态网络标记物及其活性分子群,得到疾病发生发展过程的关键节点和关键网络,从网络层次解析脂质代谢紊乱和炎症导致动脉粥样硬化的致病机理。(3) 建立动脉粥样硬化的发病前兆检测方法和基于单样本采样的发病前兆预测模型,由动物模型实验验证所得到的计算和理论结果。

结项摘要

动脉粥样硬化是心脑血管疾病的主要原因之一,其发生发展不仅是一个非线性的稳态失衡过程,而且涉及到复杂分子网络的动态调控。本项目由理论计算和实验验证相结合的系统生物学研究模式,建立了动脉血管稳态失衡从而导致粥样硬化的数学模型,开发基于系统科学和动力系统理论等的粥样硬化检测方法,确定了稳态失衡的关键节点和关键分子网络。特别是,(1)通过整合生物数据,推断动脉血管稳态失衡过程中的基因、蛋白质、代谢分子间的调控关系,建立动脉粥样硬化过程的分子调控网络;(2)通过整合基因、代谢等多层次网络,确定刻画稳态失衡过程的动态网络标记物及分子群,得到疾病发生发展过程的关键节点和关键网络,从网络层次解析脂质代谢紊乱和炎症导致动脉粥样硬化的致病机理;(3) 建立动脉粥样硬化的检测方法,由动物模型实验验证了理论结果。

项目成果

期刊论文数量(26)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Inference of Gene Regulatory Network Based on Local Bayesian Networks
基于局部贝叶斯网络的基因调控网络推理
  • DOI:
    10.1371/journal.pcbi.1005024
  • 发表时间:
    2016
  • 期刊:
    Plos Computational Biology
  • 影响因子:
    --
  • 作者:
    Liu Fei;Zhang Shao-Wu;Guo Wei-Feng;Wei Ze-Gang;Chen Luonan
  • 通讯作者:
    Chen Luonan
Single amino acid changes in naked mole rat may reveal new anti-cancer mechanisms in mammals
裸鼹鼠的单一氨基酸变化可能揭示哺乳动物新的抗癌机制
  • DOI:
    10.1016/j.gene.2015.07.004
  • 发表时间:
    2015
  • 期刊:
    Gene
  • 影响因子:
    3.5
  • 作者:
    Yang Zhiyuan;Zhang Yan;Chen Luonan
  • 通讯作者:
    Chen Luonan
Conditional mutual inclusive information enables accurate quantification of associations in gene regulatory networks
有条件的相互包容信息能够准确量化基因调控网络中的关联
  • DOI:
    10.1093/nar/gku1315
  • 发表时间:
    2015
  • 期刊:
    NUCLEIC ACIDS RESEARCH
  • 影响因子:
    14.9
  • 作者:
    Zhang Xiujun;Zhao Juan;Hao Jin-Kao;Zhao Xing-Ming;Chen Luonan
  • 通讯作者:
    Chen Luonan
Serum chemokine network correlates with chemotherapy in non-small cell lung cancer
血清趋化因子网络与非小细胞肺癌化疗相关
  • DOI:
    10.1016/j.canlet.2015.05.001
  • 发表时间:
    2015
  • 期刊:
    Cancer Letters
  • 影响因子:
    9.7
  • 作者:
    Yang Dawei;Zhou Jian;Zeng Tao;Yang Zhiyuan;Wang Xun;Hu Jie;Song Yuanlin;Chen Luonan;Peer Dan;Wang Xiangdong;Bai Chunxue
  • 通讯作者:
    Bai Chunxue
Conditional mutual inclusive information enables accurate quantification of associations in gene regulatory networks
有条件的相互包容信息能够准确量化基因调控网络中的关联
  • DOI:
    10.1093/nar/gku1315
  • 发表时间:
    2015
  • 期刊:
    Nucleic Acids Research
  • 影响因子:
    14.9
  • 作者:
    Zhang Xiujun;Zhao Juan;Hao Jin-Kao;Zhao Xing-Ming;Chen Luonan
  • 通讯作者:
    Chen Luonan

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

Detecting the critical states during disease development based on temporal network flow entropy.
基于时间网络流熵检测疾病发展过程中的关键状态。
  • DOI:
    10.1093/bib/bbac164
  • 发表时间:
    2022
  • 期刊:
    Briefings in Bioinformatics
  • 影响因子:
    9.5
  • 作者:
    Peiluan Li;陈洛南
  • 通讯作者:
    陈洛南

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

陈洛南的其他基金

深度脉冲神经网络的混沌反向传播通用算法
  • 批准号:
    T2350003
  • 批准年份:
    2023
  • 资助金额:
    300 万元
  • 项目类别:
    专项基金项目
肺癌“未病"的生物学基础与数学表征研究
  • 批准号:
  • 批准年份:
    2023
  • 资助金额:
    300 万元
  • 项目类别:
基于多模态数据的健康临界状态的数学刻画与预警理论
  • 批准号:
    12131020
  • 批准年份:
    2021
  • 资助金额:
    252 万元
  • 项目类别:
    重点项目
数学生物学发展战略研究与学术交流
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    10 万元
  • 项目类别:
    专项基金项目
2型糖尿病发生发展过程的临界状态预测理论和生物信息学方法
  • 批准号:
  • 批准年份:
    2019
  • 资助金额:
    297 万元
  • 项目类别:
    重点项目
基于单样本组学数据的生物分子网络构建理论和方法
  • 批准号:
    31771476
  • 批准年份:
    2017
  • 资助金额:
    60.0 万元
  • 项目类别:
    面上项目
肝脏炎癌恶性转化关键节点的动态网络标志物模型及临床应用研究
  • 批准号:
    91529303
  • 批准年份:
    2015
  • 资助金额:
    250.0 万元
  • 项目类别:
    重大研究计划
复杂疾病早期诊断和预测的数学问题
  • 批准号:
    11326035
  • 批准年份:
    2013
  • 资助金额:
    20.0 万元
  • 项目类别:
    数学天元基金项目
2型糖尿病的生物分子网络动态行为与调控机理研究
  • 批准号:
    61134013
  • 批准年份:
    2011
  • 资助金额:
    290.0 万元
  • 项目类别:
    重点项目
重建时变结构的基因调控网络的模型和算法及在糖尿病研究中的应用
  • 批准号:
    61072149
  • 批准年份:
    2010
  • 资助金额:
    34.0 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