基于表观遗传和长程关联信息的人类基因组复制/转录起始位点识别与偶联机制分析

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61772119
  • 项目类别：
    面上项目
  • 资助金额：
    66.0万
  • 负责人：
    林昊
  • 依托单位：
    电子科技大学
  • 学科分类：
    F0213.生物信息计算与数字健康
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

Genome replication and gene transcription are two essential biological processes. They are extremely important for maintaining the activity of life. The abnormity of replication and transcription can deduce a series of human diseases. However, there is still lack of understanding the regulatory mechanism of the two processes. It is necessary to study the replication and transcription in human genome by using computational approaches. In this project, based on our previous studies in the field of replication and transcription, we will investigate the function of epigenetics and long-range correlation information in the regulation of human DNA replication and gene transcription. The express specificities of the different features in human genome will be investigated by using information theory and statistical test method. Moreover, we will develop various prediction algorithms and construct efficient soft tools to accurately identify the replication origin region and transcription start site in human genome. Finally, we will construct replication/transcription couple regulated network based on epigenetics and long-range correlation information. The regulatory mechanisms and causality will be revealed by studying the topology and dynamics characteristics of network. On the basis of above studies, the regulatory roles of epigenetics and long-range correlation in replication and transcription will be elucidated, which will push the study of replication and transcription in human genome.
基因组复制和转录是两个相互偶联的基本生物学过程，是维持正常生命活动的必备条件。复制和转录的异常都会引起多种疾病的发生，然而对这两个过程发生的调控原理尚不清晰。借助计算的方法系统研究人类基因组复制/转录的调控机制势在必行。本项目将在我们前期对复制/转录的研究基础上，采用关联分析方法研究人类基因组复制/转录受表观遗传信息和序列、结构的长程互作的调控；并利用信息论原理和统计检验方法研究各种信息在复制/转录中的特异性；进而，发展高效机器学习算法，构建高精度的人类基因组复制起始点和转录起始点的预测模型，建立一套高效简洁的识别软件；最后，基于表观遗传信息和长程互作信息，构建复制/转录的偶联调控网络，对网络进行拓扑学分析和动力学分析，阐明这些信息在复制/转录中的共调控机制和因果关系。通过以上研究，力图阐明表观遗传信息和序列、结构的长程关联信息对复制/转录的调控机制，推进人类基因组复制/转录的研究。

结项摘要

基因组复制和转录是两个相互偶联的基本生物学过程，是维持正常生命活动的必备条件，然而对这两个过程发生的调控原理尚不清晰。借助计算的方法系统研究人类基因组复制/转录的调控机制势在必行。本项目从序列模体特征和表观遗传信息角度，揭示基因组复制起始和转录起始区的调控机制，发现复制/转录的细胞和物种特异性；进而，建立高灵敏性、特异性的ORI 和TSS 识别模型，开发高效简洁的在线服务平台；最终，基于表观遗传信息和长程互作信息，阐明ORI 和TSS 的调控机理和关系，推进基因组复制/转录的机制研究。.经过课题组四年的努力，项目组取得的主要成果有：.（1）构建了全面的基因组ORI相关基准数据集，对序列的功能模体分析，发现了物种特异性和细胞特异性的模体一致性序列；进而利用k联体组分和碱基的二进制编码来编码复制起始位点序列，利用支持向量机来构建预测模型，获得了高精度、鲁棒的预测模型，并且，我们开发了在线预测服务iORI-Euk(http://lin-group.cn/server/iORI-Euk/)；.（2）基于伪计数的位置特异性打分矩阵和伪核苷酸组分特征，我们构建了多物种基因组转录起始位点预测模型，AUC值均超过0.97，跨物种预测显示出转录的物种特异性；鉴于以上模型优秀的预测性能，我们构建了免费在线服务iProEP(http://lin-group.cn/server/iProEP/);鉴于启动子具有的物种特异性，我们构建了世界上第一个专门针对原核生物的启动子序列数据库PPD(http://lin-group.cn/database/ppd/index.php);.（3）对表观遗传信息和转录因子结合位点在ORI和TSS附近分布的分析显示，复制和转录之间存在时序关系，较少的TF可以参与更多的生物过程以提高效率，哺乳动物细胞采用一种极其复杂和多层的共同调节机制，以高度协调的方式进行复制和转录。基于转录因子和组蛋白修饰的随机森林（RF）分类器，对ORI的预测精度AUC为0.9033；.（4）我们针对DNA、RNA的修饰，基因组的DNase超敏位点，DNA和蛋白质的相互作用，等问题也进行了模型构建，为进一步的ORI和TSS研究提供帮助。.这些成果发表在Briefings in Bioinformatics、Bioinformatics等多个生物信息学顶级期刊，11篇论文入选高被引论文。

项目成果

期刊论文数量（21）
专著数量（0）
科研奖励数量（2）
会议论文数量（0）
专利数量（0）
Identification of cyclin protein using gradient boost decision tree algorithm.
使用梯度提升决策树算法识别细胞周期蛋白
  • DOI：
    10.1016/j.csbj.2021.07.013
  • 发表时间：
    2021
  • 期刊：
    Computational and structural biotechnology journal
  • 影响因子：
    6
  • 作者：
    Zulfiqar H;Yuan SS;Huang QL;Sun ZJ;Dao FY;Yu XL;Lin H
  • 通讯作者：
    Lin H
Evaluation of different computational methods on 5-methylcytosine sites identification
不同计算方法对 5-甲基胞嘧啶位点识别的评价
  • DOI：
    10.1093/bib/bbz048
  • 发表时间：
    2020-05-01
  • 期刊：
    BRIEFINGS IN BIOINFORMATICS
  • 影响因子：
    9.5
  • 作者：
    Lv, Hao;Zhang, Zi-Mei;Lin, Hao
  • 通讯作者：
    Lin, Hao
Identify origin of replication in Saccharomyces cerevisiae using two-step feature selection technique
使用两步特征选择技术识别酿酒酵母的复制起点
  • DOI：
    10.1093/bioinformatics/bty943
  • 发表时间：
    2019-06-15
  • 期刊：
    BIOINFORMATICS
  • 影响因子：
    5.8
  • 作者：
    Dao, Fu-Ying;Lv, Hao;Lin, Hao
  • 通讯作者：
    Lin, Hao
DeepIPs: comprehensive assessment and computational identification of phosphorylation sites of SARS-CoV-2 infection using a deep learning-based approach
DeepIPs：使用基于深度学习的方法对 SARS-CoV-2 感染的磷酸化位点进行综合评估和计算识别
  • DOI：
    10.1093/bib/bbab244
  • 发表时间：
    2021-06-29
  • 期刊：
    BRIEFINGS IN BIOINFORMATICS
  • 影响因子：
    9.5
  • 作者：
    Lv, Hao;Dao, Fu-Ying;Lin, Hao
  • 通讯作者：
    Lin, Hao
A comparison and assessment of computational method for identifying recombination hotspots in Saccharomyces cerevisiae
酿酒酵母重组热点计算方法的比较和评估
  • DOI：
    10.1093/bib/bbz123
  • 发表时间：
    2020-09-01
  • 期刊：
    BRIEFINGS IN BIOINFORMATICS
  • 影响因子：
    9.5
  • 作者：
    Yang, Hui;Yang, Wuritu;Lin, Hao
  • 通讯作者：
    Lin, Hao

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

预测竞争性和非竞争性剪接位点对(英文)
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    内蒙古大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    杨乌日吐;林昊;杨科利;李前忠
  • 通讯作者：
    李前忠
基于二次判别的果蝇启动子识别
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    生物物理学报
  • 影响因子：
    --
  • 作者：
    林昊;李前忠
  • 通讯作者：
    李前忠
大肠杆菌E．coli K-12转录因子结合位点的理论预测
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    生物信息学
  • 影响因子：
    --
  • 作者：
    李前忠;林昊;杨科利
  • 通讯作者：
    杨科利
55t重型自卸车平衡悬架用推力杆断裂分析
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    石家庄铁道大学学报
  • 影响因子：
    --
  • 作者：
    冯国胜;贾素梅;林昊;郑明军
  • 通讯作者：
    郑明军
战国秦汉时期制铁耐火材料的矿物组织与含量分析
  • DOI：
    --
  • 发表时间：
    2022
  • 期刊：
    文物保护与考古科学
  • 影响因子：
    --
  • 作者：
    刘海峰;林昊;潜伟;陈建立
  • 通讯作者：
    陈建立

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

林昊的其他基金

基于基因组三维结构与表观遗传信息的真核基因组复制起始机制分析与识别模型研究
  • 批准号：
  • 批准年份：
    2021
  • 资助金额：
    61 万元
  • 项目类别：
    面上项目
基于特征挖掘的离子通道功能类型预测与跨膜域识别
  • 批准号：
    61202256
  • 批准年份：
    2012
  • 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