基于癌症的ceRNA网络构建与多组学联合分析的研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    62002244
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    16.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0213.生物信息计算与数字健康
  • 结题年份:
    2022
  • 批准年份:
    2020
  • 项目状态:
    已结题
  • 起止时间:
    2021-01-01 至2022-12-31

项目摘要

Cancer is one of the most common and lethal cancer types in humans, and the molecular mechanism of cancer progression is still unclear. With the development of high-throughput sequencing technology, the human genome has been widely transcribed thousands of non-coding protein RNAs (ncRNAs). According to the competing endogenous RNA (ceRNA) theory, long noncoding RNA (lncRNA) have a competition with mRNAs for the connecting with miRNAs that affecting the level of mRNA. LncRNAs represents a new level of RNA interaction regulation and plays a key role in tumor development. With the accumulation and development of genome, transcriptome and proteome data, a network were integrated and analyzed to form the genetic regulation network. In conclusion, further molecular mechanism of tumorigenesis is elaborated through the analysis of ceRNA network and multiple omics for cancer, which promotes the study of disease mechanism and the determination of pathogenic targets, and also provides new ideas for the research of basic science and precise medicine of disease.
癌症是人类最常见和最致命的疾病类型之一,到目前为止,癌症疾病的发生和进展的分子机制尚不清楚。随着高通量测序技术发展迅速,基因组被转录产生编码类mRNA以及种类繁多的非编码RNA (non-coding, ncRNA),其中长链非编码RNAs(lncRNAs)可以充当竞争性内源RNAs(competing endogenous RNAs,ceRNAs),通过共享microRNA间接调控mRNAs,这是一个新的RNA层面上的交互调控,并在肿瘤发展中起着重要作用。随着组学数据的积累发展,对这些组学数据进行整合分析形成基因、mRNA、调控因子、蛋白互作调控,从而构建相关基因调控网络。总之,通过系统剖析研究癌症lncRNA相关ceRNA网络以及癌症发生发展的多组学分析,为理解肿瘤发生的分子机制提供进一步信息,对疾病机理研究、确定致病靶点起到推动作用,也为疾病基础科学和精准医学研究提供了新的思路。

结项摘要

本项目利用多个癌症样本的转录组信息和临床信息数据为研究目标,采用WGCNA等算法来预测癌症的基因共表达网络,同时寻找关键调控的目标基因,另外对于在癌症发生发展过程中具有重要作用的同一种功能基因进行特征提取,采用合适的机器学习方法来构建预测模型,主要从以下几个方面进行:.癌症共表达网络构建方面:以结肠癌、食管癌(ESCC)、直肠癌、胃癌(GC)和直肠乙状结肠交界癌5个消化系统癌症为研究目标,利用消化系统癌症的多个转录组信息以及样本的临床信息为数据,研究集中在构建基因共表达网络,对表达网络中的基因进行GO和KEGG分析,以确定这些疾病可能的生物标志物。利用CytoHubba调控网络的关键基因进行鉴定。.癌症相关通道蛋白网络和模型预测方面:本项目选取通道蛋白和水通道蛋白为研究对象,对其进行网络构建和蛋白预测。通道蛋白和AQPs都在癌症组织中表达水平较高,对通道蛋白和AQPs的鉴定可以有助于了解癌症的发生和发展机制,因此我们采用机器学习的方法来对通道蛋白和水通道蛋白进行研究鉴定。.癌症重要蛋白CDKN2A蛋白互作网络与多种癌症相关性方面:CDKN2A基因是一个肿瘤抑制因子,研究拟采用33种肿瘤的多个转录组研究CDKN2A基因表达情况,预测CDKN2A的蛋白互作网络与癌症的相关性问题,评估CDKN2A基因与肿瘤进展的关系。CDKN2A可能是一种有前景的预后生物标志物,并与癌症的免疫浸润有关。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Comprehensive analysis revealed that CDKN2A is a biomarker for immune infiltrates in multiple cancers
综合分析显示 CDKN2A 是多种癌症免疫浸润的生物标志物
  • DOI:
    10.1002/adma.201405452
  • 发表时间:
    2021
  • 期刊:
    Frontiers in Cell and Developmental Biology
  • 影响因子:
    5.5
  • 作者:
    Zheng Chen;Yingjie Guo;Da Zhao;Quan Zou;Fusheng Yu;Lijun Zhang;Lei Xu
  • 通讯作者:
    Lei Xu
Sequence-Based Prediction with Feature Representation Learning and Biological Function Analysis of Channel Proteins
基于序列的预测与通道蛋白的特征表示学习和生物功能分析
  • DOI:
    10.31083/j.fbl2706177
  • 发表时间:
    2022
  • 期刊:
    Frontiers in bioscience
  • 影响因子:
    --
  • 作者:
    Zheng Chen;Shihu Jiao;Da Zhao;Abd El-Latif Hesham;Quan Zou;Lei Xu;Mingai Sun;Lijun Zhang
  • 通讯作者:
    Lijun Zhang
RNA-Associated Co-expression Network Identifies Novel Biomarkers for Digestive System Cancer
RNA相关共表达网络鉴定出消化系统癌症的新生物标志物
  • DOI:
    10.3389/fgene.2021.659788
  • 发表时间:
    2021
  • 期刊:
    Frontiers in Genetics
  • 影响因子:
    3.7
  • 作者:
    Chen Z;Shen Z;Zhang Z;Zhao D;Xu L;Zhang L
  • 通讯作者:
    Zhang L
The Characterization of Structure and Prediction for Aquaporin in Tumour Progression by Machine Learning
通过机器学习表征水通道蛋白的结构并预测肿瘤进展
  • DOI:
    10.3389/fcell.2022.845622
  • 发表时间:
    2022
  • 期刊:
    Frontiers in Cell and Developmental Biology
  • 影响因子:
    5.5
  • 作者:
    Chen Z;Jiao S;Zhao D;Zou Q;Xu L;Zhang L;Su X
  • 通讯作者:
    Su X

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

遵化新太古代豆荚状铬铁矿变形特
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    大地构造与成矿学, 2006.30(2):149-160.
  • 影响因子:
    --
  • 作者:
    陈征;李江海; 程素华
  • 通讯作者:
    程素华
黄淮海平原灌溉水量变化特征及其与气象干旱的关系
  • DOI:
    10.31497/zrzyxb.20200517
  • 发表时间:
    2020
  • 期刊:
    自然资源学报
  • 影响因子:
    --
  • 作者:
    陈征;王文杰;蒋卫国;贾凯;陈坤
  • 通讯作者:
    陈坤
连续排水边界条件下考虑自重的地基一维固结分析
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    工程力学
  • 影响因子:
    --
  • 作者:
    冯健雪;陈征;李勇义;梅国雄
  • 通讯作者:
    梅国雄
限制平均生存时间在临床随访研究中的应用
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    中华流行病学杂志
  • 影响因子:
    --
  • 作者:
    杨紫荆;吕晶晶;侯雅文;陈征
  • 通讯作者:
    陈征
线性加载下含砂垫层地基固结分析
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    岩土力学
  • 影响因子:
    --
  • 作者:
    蒙宇涵;张必胜;陈征;梅国雄
  • 通讯作者:
    梅国雄

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

陈征的其他基金

基于植物单细胞转录组和多组学数据分析及基因调控网络构建方法的研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 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