恶性肿瘤竞争性转录调控三元组(TF-lncRNA/miRNA）识别及其功能研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61801151
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    26.0万
  • 负责人：
    宿菲
  • 依托单位：
    哈尔滨医科大学
  • 学科分类：
    F0124.生物电子学与生物信息处理
  • 结题年份：
    2021
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2021-12-31

项目摘要

The mechanism of malignant tumor involves functional elements such as Transcription Factor (TF), long non-coding RNA (lncRNA) and microRNA (miRNA) at the molecular level. TF is a kind of important regulatory factor, regulates the expression of lncRNA and miRNA at transcriptional level. LncRNA and miRNA play an important role at the transcriptional and post transcriptional levels. The interactions of TF, lncRNA and miRNA are important to reveal the mechanism of malignant tumor. We use breast cancer as a disease model, integrate the data of transcriptomics, genomics and epigenomic combining with transcriptional level and post transcriptional level, propose the correlation score measure of competitive transcriptional regulatioal triple (TF-lncRNA/miRNA), identify key TF-lncRNA/miRNA of malignant tumor, and the global optimization algorithm of decision forest is adopted to further study the key molecular markers for clinical diagnosis and treatment. The pollable bioinformatics analytical platform of TF-lncrna/miRNA was provided for other malignant tumors, the platform provides a powerful tool for the research of malignant tumors.
恶性肿瘤的发病机制从分子水平上涉及到转录因子（TF）、非编码RNA（lncRNA）及微小RNA（microRNA,miRNA）等功能元件，TF作为一类重要的调控因子在转录水平上调控lncRNA和miRNA的表达，lncRNA和miRNA在转录水平、转录后水平发挥重要作用。TF、lncRNA和miRNA三者的关联关系对于揭示恶性肿瘤的发病机制具有重要的意义。我们以乳腺癌为疾病模型,结合转录水平及转录后水平整合转录组学、基因组学和表观基因组学数据，提出恶性肿瘤竞争性转录调控三元组（TF-lncRNA/miRNA）的关联得分测度，识别恶性肿瘤关键TF-lncRNA/miRNA，并采用决策森林全局优化算法进一步深入研究可用于临床诊断、治疗的关键分子标记物，提供其他恶性肿瘤可移植的在线识别TF-lncRNA/miRNA的生物信息学分析平台，该平台为恶性肿瘤的研究提供有力的工具。

结项摘要

恶性肿瘤的发病机制从分子水平上涉及到转录因子（TF）、长非编码RNA（lncRNA）及微小RNA（microRNA,miRNA）等功能元件，TF作为一类重要的调控因子在转录水平上调控lncRNA和miRNA的表达，lncRNA和miRNA在转录水平、转录后水平发挥重要作用。TF、lncRNA和miRNA三者的关联关系对于揭示恶性肿瘤的发病机制具有重要的意义。我们以乳腺癌为疾病模型,结合转录水平及转录后水平整合转录组学、基因组学和表观基因组学数据，识别了158327对TF-mirRNA调控关系，225355对TF-lncRNA调控关系，202558对lncRNA-mirRNA调控关系。构建了TF-lncRNA/miRNA调控网络，根据恶性肿瘤竞争性转录调控三元组（TF-lncRNA/miRNA）的关联得分测度，识别恶性肿瘤关键TF-lncRNA/miRNA模块。结果发现四个得分较高的三元组功能模块，以其中的一个为例：MYC(TF)-AC004041.2(lncRNA)/hsa-mir-148a(miRNA)，研究证明新发癌症病例与MYC有紧密的关系，MYC能够影响淋巴瘤细胞中蛋白质产生的效率和质量，从而其能促进癌细胞快速生长并改变其对恶性肿瘤的易感性。本项目的研究方法将在多种恶性肿瘤数据中应用，并将方法开发成在线平台及工具，本项目能够提供其他恶性肿瘤可移植的在线识别TF-lncRNA/miRNA的生物信息学分析平台，该平台为恶性肿瘤的研究提供有力的工具。

项目成果

期刊论文数量（1）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Serum microRNA-21 predicted treatment outcome and survival in HER2-positive breast cancer patients receiving neoadjuvant chemotherapy combined with trastuzumab
血清microRNA-21预测接受新辅助化疗联合曲妥珠单抗的HER2阳性乳腺癌患者的治疗结果和生存
  • DOI：
    10.1007/s00280-019-03937-9
  • 发表时间：
    2019-11-01
  • 期刊：
    CANCER CHEMOTHERAPY AND PHARMACOLOGY
  • 影响因子：
    3
  • 作者：
    Liu, Baoquan;Su, Fei;Zhang, Jianguo
  • 通讯作者：
    Zhang, Jianguo

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

血清miR-34a表达水平预测乳腺癌新辅助化疗疗效
  • DOI：
    10.16695/j.cnki.1006-2947.2017.05.006
  • 发表时间：
    2017
  • 期刊：
    解剖科学进展
  • 影响因子：
    --
  • 作者：
    何春波;宿菲;齐秀英;游凯;刘利华;张雅芳;张建国;刘宝全
  • 通讯作者：
    刘宝全

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