整合遗传高维数据的贝叶斯多水平疾病风险预测模型构建方法与应用研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81573253
  • 项目类别:
    面上项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H3011.流行病学方法与卫生统计
  • 结题年份:
    2017
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2017-12-31

项目摘要

Cardio-Cerebral-Vascular Diseases (CCVD) is the leading cause of death in China. The incidence and prevalence rate still increase in recent years. The population-based prevention and control are facing serious challenge. Personalized risk prediction is becoming the new trend for disease prevention and control. Currently, biological and medical big data are emerging. There is an urgent need to develop a new risk prediction model by incorporating genetic high-dimensional data and existing biological information, such as gene network. This project based on the Bayesian hierarchical model will propose a new methodology for incorporating high-dimensional genetic data, complex interactions and prior biological information to risk prediction modeling. A new professional software will also be provided with fast algorithm. In addition, supported by Major International (Regional) Joint Research Project, the baseline data and the high-dimensional sequence data of 492 genes have been collected from the research population with 2000 case and 2000 control included. Using the above new method and real data, a new risk prediction model for ischemic stroke will be suggested with prior biological information incorporated. The accomplishment of this project will lay the new theoretical and methodology foundation for risk prediction modeling, and also provide a new flexible software. The risk prediction model for ischemic stroke will provide new insights for screening high-risk population, graded management, and personalized prevention, which has important significance for public health.
心脑血管疾病是我国居民的首要死亡原因。近年来,心脑血管疾病的发病率和患病率持续上升,以人群为对象的危险因素干预面临着重大挑战,个体化的风险预测成为疾病预防控制的新趋势。在生物医学大数据不断涌现的背景下,如何整合高维遗传数据和已有生物学信息,构建更加精确的疾病风险预测模型亟待研究。本项目以贝叶斯多水平模型为基础,通过整合高维遗传数据、复杂交互作用和已有生物学信息,提出一种新的疾病风险预测模型构建方法,并开发专用的分析软件。同时,本项目将利用在重大国际合作项目资助下获得的缺血性脑卒中病例对照各2000人的基线数据和492个相关基因测序的高维遗传数据,整合已有生物学先验信息,建立中国人群缺血性脑卒中风险预测的新模型。本项目的完成将为风险预测模型的构建奠定新的理论和方法基础,并提供新的分析软件。同时,也将为我国缺血性脑卒中高危人群筛查、分级管理与个体化预防提供新的思路,具有重要的公共卫生意义。

结项摘要

在生物医学大数据不断涌现的背景下,采用新的统计模型和分析方法,建立精准有效的疾病风险预测模型,对个体的疾病发病风险情况进行准确的估计和预测,以实施个体化预防是目前国内外公共卫生领域研究的热点方向。基于高维遗传数据,提出疾病风险预测模型构建的新方法是统计学研究和临床研究亟待解决的问题。本项目以贝叶斯多水平模型为基础,创新性的提出了sipke-and-slab混合双指数先验分布,通过发展新的cyclic coordinate descent快速算法,初步构建了高维遗传数据下疾病风险预测建立的贝叶斯理论体系,分别提出了sipke-and-slab lasso GLMs和sipke-and-slab lasso Cox方法。相关方法突出的优势体现在:(1)采用了sipke-and-slab混合双指数先验分布,通过使得与结局变量无关的参数直接压缩为0,在参数估计的过程中实现变量选择;(2)对大效应的参数采取弱的压缩,准确估计与结局变量相关联的参数;(3)有效控制假阳;(4)显著提高了模型的预测效能。在应用方面,我们以公开发表的乳腺癌,血癌数据和TCGA的卵巢癌等数据检验所提出方法的有效性,分析结果表明在偏差统计量(deviance),模型误差(MSE),曲线下面积(AUC),误判率(Misclassification),;偏似然函数(Partial log-likelihood),C指数(C-index)等方面,本项目提出的方法均优于常用的lasso方法。上述相关方法的建立为高维数据的疾病风险模型构建奠定了新的方法学基础,促进了贝叶斯方法在高维数据研究领域的发展。此外,在本项目的资助下,我们还提出了基于自适应交叉验证策略的基因标签建立验证的新方法。该方法将基因标签的发现和验证融入在一个自适应的交叉验证程序中,充分利用数据的信息,相关研究为基因标签的发现和验证提供的新的技术参考。.在该项目的资助下,已发表与项目紧密相关的SCI论文5篇,其中两篇为学科内TOP期刊。另外,发表国际学术会议论文1篇(分组报告),国内学术会议论文3篇(2人次分组报告)。

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(0)
会议论文数量(4)
专利数量(0)
血清乳酸脱氢酶与子痫前期及妊娠不良结局的关系
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    国际妇产科学杂志
  • 影响因子:
    --
  • 作者:
    陈大立;柴利强;彭兰;汪云;许慧;陈继明;周玉珍;高红;金蕾;汤在祥
  • 通讯作者:
    汤在祥
Prediction of radiosensitive patients with gastric cancer by developing gene signature.
通过开发基因特征来预测放射敏感性胃癌患者
  • DOI:
    10.3892/ijo.2017.4107
  • 发表时间:
    2017-10
  • 期刊:
    International journal of oncology
  • 影响因子:
    5.2
  • 作者:
    Zhou J;Wu X;Li G;Gao X;Zhai M;Chen W;Hu H;Tang Z
  • 通讯作者:
    Tang Z
The Spike-and-Slab Lasso Generalized Linear Models for Prediction and Associated Genes Detection
用于预测和相关基因检测的 Spike-and-Slab Lasso 广义线性模型。
  • DOI:
    10.1534/genetics.116.192195
  • 发表时间:
    2017-01-01
  • 期刊:
    GENETICS
  • 影响因子:
    3.3
  • 作者:
    Tang, Zaixiang;Shen, Yueping;Yi, Nengjun
  • 通讯作者:
    Yi, Nengjun
Development of a radiosensitivity gene signature for patients with soft tissue sarcoma.
软组织肉瘤患者放射敏感性基因特征的开发
  • DOI:
    10.18632/oncotarget.16194
  • 发表时间:
    2017-04-18
  • 期刊:
    Oncotarget
  • 影响因子:
    --
  • 作者:
    Tang Z;Zeng Q;Li Y;Zhang X;Ma J;Suto MJ;Xu B;Yi N
  • 通讯作者:
    Yi N
Predicting radiotherapy response for patients with soft tissue sarcoma by developing a molecular signature.
通过开发分子特征来预测软组织肉瘤患者的放疗反应
  • DOI:
    10.3892/or.2017.5999
  • 发表时间:
    2017-11
  • 期刊:
    Oncology reports
  • 影响因子:
    4.2
  • 作者:
    Tang Z;Zeng Q;Li Y;Zhang X;Suto MJ;Xu B;Yi N
  • 通讯作者:
    Yi N

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

标记辅助选择育种中QTL基因型的
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    分子植物育种,2006,4(2):293-298
  • 影响因子:
    --
  • 作者:
    汤在祥;陈志军;王学枫;徐辰武
  • 通讯作者:
    徐辰武
双亲本杂交衍生的多个相关群体QTL图的联合构建方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    麦类作物学报
  • 影响因子:
    --
  • 作者:
    敖雁;胡治球;汤在祥;王学枫;徐辰武
  • 通讯作者:
    徐辰武
6168例肝癌患者住院费用影响因素的通径分析
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    中国卫生经济
  • 影响因子:
    --
  • 作者:
    肖静;高月霞;陆青云;汤在祥;杨梅;刘国恩
  • 通讯作者:
    刘国恩
医学统计学SAS实验课程相关教学问题探讨
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    连云港职业技术学院学报
  • 影响因子:
    --
  • 作者:
    汤在祥
  • 通讯作者:
    汤在祥
多个相关数量性状主基因的联合分
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    中国农业科学,2005,38(9):1717-1724
  • 影响因子:
    --
  • 作者:
    肖静;胡治球;汤在祥;隋炯明
  • 通讯作者:
    隋炯明

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

汤在祥的其他基金

基于高维组学数据的贝叶斯多水平stacking融合预测模型构建方法与应用研究
  • 批准号:
    82373688
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目
高维遗传数据预测模型构建中组群结构信息整合的新方法及其应用研究
  • 批准号:
    81773541
  • 批准年份:
    2017
  • 资助金额:
    55.0 万元
  • 项目类别:
    面上项目
基于虚拟标记插入的核质互作基因定位方法研究
  • 批准号:
    31100882
  • 批准年份:
    2011
  • 资助金额:
    25.0 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