基于蛋白质组学和单细胞实验数据的细胞信号传导系统的多尺度数学建模

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11571368
  • 项目类别:
    面上项目
  • 资助金额:
    50.0万
  • 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:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

The mitogen-activated protein kinase (MAPK) pathway has been implicated as one of the most important pathways mediating signal transduction for a diverse group of extracellular stimuli. Activation of this pathway results in the regulation of the fundamental cellular functions such as cell proliferation, survival/apoptosis, differentiation and motility. The MAPK pathway is a complex network inside the cell, which results in significant challenges to using biological research methods to study this pathway. The major goal of this project is to design large-scale model mathematical models of the MAPK pathway using proteomic data and multi-scale stochastic model using the single cell experimental data. We will also systemically investigate the influence of major perturbation on the system output, and make predictions according to computer simulations. To address the challenging issues rising from the procedure of modeling, this project will develop novel modeling methodologies and effective inference methods for estimating unknown parameters in the model. The proposed research work in this project is at the frontier of computational biology, and thus has substantial importance in the theoretical study of mathematical biology and potential applications in biology and medicine
丝裂原活化蛋白激酶(Mitogen-activated protein kinases,MAPKs)是将细胞外刺激信号传导至内胞及其核内的重要传导通道之一。激活该通道将调控细胞的增殖、分化、转化以及生存与凋亡等过程。 MAPK 信号传导通道在细胞内构成了一个复杂的传导系统,而用传统的生物学方法来研究该大型复杂的网络遇到了实质性困难,因此近年来数学建模已经成为了一个研究该信号传导网络的动态特征的有力工具。本项目的主要目标是建立大型的MAPK细胞信号传导通道的数学模型以及单细胞内的多尺度随机模型数学模型,并对影响MAPK细胞信号传导通道的信号输出的各种因素展开系统的研究,同时根据数字模拟提出具有医学和生物意义的预测。针对建模过程中所提出的挑战性问题,本项目拟设计新颖的数学建模方法和有效的参数估计算法。本课题所设计的研究均位于计算生物学的前沿,其研究具有重要的理论意义和较强的生物和医学应用前景.

结项摘要

现代生物实验技术的发展产生了大量的生物高通量数据,特别是近年来不断涌现的单细胞数据和单病人数据,为构建复杂生物调控网络的数学模型提供了前所没有的机遇。但这些数据由于不具备时间序列性质,使得数据分析和数学建模更加困难。本项目针对计算生物学研究领域的迫切需求,为细胞信号传导网络和复杂生物系统的研究提供新的数学建模理论和计算机方法。本课题的研究内容主要包括三个方面。一是基于蛋白质组学数据和单细胞实验数据来建立丝裂原活化蛋白激酶(MAPK)信号通道的数学模型。二是建立单细胞数据的分析方法和构建复杂生物网络的数学模型的方法。三是设计估计动态模型和生物化学反应系统中未知参数的快速有效算法。通过四年的研究,本课题组取得了如下的主要研究结果。一是提出了以互信息量,极大似然法和统计条件相关性等方法来构建复杂生物网络模型。二是建立了一个根据单细胞数据和单个病人蛋白组数据来构建复杂生物网络的数学模型的方法并建立了MAPK信号传导通道的网络模型和动态模型。三是基于投影方法和diffusion map方法,提出了SCOUT和DTFLOW二个确定单细胞伪时间点和伪轨迹的新方法。并利用这些方法分析了干细胞单细胞数据和乳腺癌症单病人数据。四是建立了一系列的高维在线学习的新方法并设计了快速计算方法比便于将这些方法应用于蛋白组学数据的研究。通过四年的研究,本课题组已经建立了一套较完善的数学建模理论和参数估计方法并利用这些理论方法来建立大型的信号传导系统和复杂生物系统的数学模型。这些模型可以用来预测在不同实验条件下的系统输出,为疾病的治疗和药物设计提供进一步的实验线索。

项目成果

期刊论文数量(13)
专著数量(0)
科研奖励数量(0)
会议论文数量(4)
专利数量(0)
Stability analysis for second-order stochastic neutral partial functional systems subject to infinite delays and impulses
无限时滞和脉冲作用下二阶随机中性偏函数系统的稳定性分析
  • DOI:
    10.1186/s13662-016-0951-y
  • 发表时间:
    2016
  • 期刊:
    Advances in Difference Equations
  • 影响因子:
    4.1
  • 作者:
    Feng Jiang;Hua Yang;Tianhai Tian
  • 通讯作者:
    Tianhai Tian
A clustering-based ensemble approach with improved pigeon-inspired optimization and extreme learning machine for air quality prediction
基于聚类的集成方法,具有改进的鸽子启发优化和极限学习机,用于空气质量预测
  • DOI:
    10.1016/j.asoc.2019.105827
  • 发表时间:
    2019
  • 期刊:
    Applied Soft Computing
  • 影响因子:
    8.7
  • 作者:
    Jiang Feng;He Jiaqi;Tian Tianhai
  • 通讯作者:
    Tian Tianhai
The Impacts of Technical Progress on Sulfur Dioxide Kuznets Curve in China: A Spatial Panel Data Approach
技术进步对中国二氧化硫库兹涅茨曲线的影响:空间面板数据方法
  • DOI:
    10.3390/su9040674
  • 发表时间:
    2017
  • 期刊:
    sustainability
  • 影响因子:
    3.9
  • 作者:
    Zhimin Zhou;Xinyue Ye;Xiangyu Ge
  • 通讯作者:
    Xiangyu Ge
A New Cost-Profit Model for Measuring the Optimal Scale of China's Foreign Exchange Reserve
测算我国外汇储备最优规模的新成本收益模型
  • DOI:
    10.1155/2016/9261279
  • 发表时间:
    2016
  • 期刊:
    Mathematical Problems in Engineering
  • 影响因子:
    --
  • 作者:
    Li Xing;Tian Tianhai
  • 通讯作者:
    Tian Tianhai
Estimates for Weak Solutions to Nonlinear Degenerate Parabolic Systems
非线性简并抛物线系统弱解的估计
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    Discrete Dynamics in Nature and Society
  • 影响因子:
    1.4
  • 作者:
    Na Wei;Xiangyu Ge;Yonghong Wu;Leina Zhao
  • 通讯作者:
    Leina Zhao

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

基于分解–优化–集成学习方法的电价预测
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    中国科学:信息科学
  • 影响因子:
    --
  • 作者:
    蒋锋;何佳琪;曾志刚;田天海
  • 通讯作者:
    田天海

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

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