基于时序高维数据的流感个体化生物标记物研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61803360
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    27.0万
  • 负责人：
    于祥田
  • 依托单位：
    上海交通大学
  • 学科分类：
    F0305.生物、医学信息系统与技术
  • 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

Influenza (flu) is an acute respiratory disease caused by virus. Because of its contagious, explosive, rapid virus mutation and other characteristics, influenza has become the hot topic in the bio-medical field. In the conventional study of flu, the researchers focused on the group excavation of biomarkers rather than the individual-specific biomarkers caused by individual heterogeneity. Thus, it is extremely necessary to study the individual molecule and network characteristics. In this project, we plan to mainly study individual-specific edge biomarkers based on high-dimension temporal data, and excavate edge-features (biomarkers) corresponding individual edge-network to predict flu occurrence and flu immunity with early-warning capabilities, which are based on our previously proposed edge-network algorithm. These theories usually need multiple samples (such as blood testing)limiting its application in personalized medicine. Therefore, we will further build edge network model for small samples, and advance individual-specific edge-network analysis, which can provide novel guidance for precision medicine and personalized medicine.
流感（流行性感冒）是由病毒引起的急性呼吸道传染病。由于其传染性强，爆发性快、病毒类型变异迅速等特点，流感成为医学领域关注的热点之一。在传统流感研究中，研究者更多地关注于群体生物标记物的挖掘，而忽略了个体异质性导致的个体特异生物标记物。故针对个体化的分子及其网络特征研究是极其必要的。本项目中，我们将主要研究基于个体时序高维数据的个体化生物标记物，并根据我们前期开发的边网络算法，挖掘个体化边网络所对应的边特征（边生物标记物）并应用于流感预测和流感免疫中的早期预警。此外，这些理论方法通常需要每一个人提供多个样本（例如多次抽血），从而限制了在个性化医学中的应用。因此我们将进一步构建针对小样本的边网络模型，发展普适的单样本边网络分析技术，为精准医疗和个性化医疗提供全新的技术手段。

结项摘要

传统流感等复杂疾病研究更多地关注于群体生物标记物的挖掘，而忽略了个体异质性导致的个体特异生物标记物。此外，基于网络挖掘的理论方法通常需要每个人提供多个样本（例如多次抽血），从而限制了在个体化医学中的应用。.本项目提出构建小样本的边网络模型，发展普适的单样本边网络分析技术，为精准医疗和个性化医疗提供全新的技术手段：.（i）基于自主开发的边网络算法，挖掘个体化边网络所对应的边特征；研究基于个体时序高维数据的个体化生物标记物；利用高阶统计信息，建立基于对照样本的单样本边网络模型iENA，并应用于复杂疾病（例如流感中）的早期预警。.（ii）基于相似的生物学功能（如通路）应该收敛到同一稳定状态这一假设，设计并实现了一个新的“生物通路布尔网络的吸引子分析”计算框架ABP；以状态转换的方式来识别动态表型的相关通路，使用网络吸引子来表征个体最终稳定的生物状态（如正常或疾病），并对稳定通路状态进行建模和量化；进而检测关键生物通路并推断其在动态过程中的变化，并对个体疾病状态进行分类和预测。.（iii）基于高阶单样本网络模型，应用于高通量微生物组学实验，有效地推荐潜在的候选标志物，用于精确防御各种病原体；亦应用于支持生物样本特异的网络控制分析系统SSC，从而有效识别样本特异的驱动节点（例如疾病驱动基因、细胞类型标志物、治疗靶点等）。.总的来说，本项目所开发的模型可利用宿主在面临呼吸道病毒挑战时的组学数据，构建宿主免疫相关的分子动态标记物挖掘算法，阐明宿主在感染不同病毒后的分子功能变化趋势。这一模型有潜力为分析未知、新型病毒后的分子免疫功能提供方法学支撑；为快速了解新型病毒的作用机制提供依据；也可为发现对新型病毒有效的药物提供一种药学筛选方法。

项目成果

期刊论文数量（11）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Discovery of metabolic biomarkers for gestational diabetes mellitus in a Chinese population.
中国人群妊娠期糖尿病代谢生物标志物的发现
  • DOI：
    10.1186/s12986-021-00606-8
  • 发表时间：
    2021-08-21
  • 期刊：
    Nutrition & metabolism
  • 影响因子：
    4.5
  • 作者：
    Lu W;Luo M;Fang X;Zhang R;Li S;Tang M;Yu X;Hu C
  • 通讯作者：
    Hu C
Essential gene expression pattern of head and neck squamous cell carcinoma revealed by tumor-specific expression rule based on single-cell RNA sequencing
基于单细胞RNA测序的肿瘤特异性表达规则揭示头颈鳞状细胞癌必需基因表达模式
  • DOI：
    10.1016/j.bbadis.2020.165791
  • 发表时间：
    2020
  • 期刊：
    Biochimica et Biophysica Acta-Molecular Basis of Disease
  • 影响因子：
    6.2
  • 作者：
    Yu Xiangtian;Wang Zhenjia;Zeng Tao
  • 通讯作者：
    Zeng Tao
Rewiring of Microbiota Networks in Erosive Inflammation of the Stomach and Small Bowel
胃和小肠糜烂性炎症中微生物群网络的重新布线
  • DOI：
    10.3389/fbioe.2020.00299
  • 发表时间：
    2020-05-13
  • 期刊：
    FRONTIERS IN BIOENGINEERING AND BIOTECHNOLOGY
  • 影响因子：
    5.7
  • 作者：
    Chen, Xiao-Yu;Fan, Hui-Ning;Zhu, Jin-Shui
  • 通讯作者：
    Zhu, Jin-Shui
Dynamically characterizing individual clinical change by the steady state of disease-associated pathway
通过疾病相关途径的稳态动态表征个体临床变化
  • DOI：
    10.1186/s12859-019-3271-x
  • 发表时间：
    2019-12-24
  • 期刊：
    BMC BIOINFORMATICS
  • 影响因子：
    3
  • 作者：
    Sun，Shaoyan;Yu，Xiangtian;Zeng，Tao
  • 通讯作者：
    Zeng，Tao
Identifying Essential Methylation Patterns and Genes Associated With Stroke
识别与中风相关的基本甲基化模式和基因
  • DOI：
    10.1109/access.2020.2994646
  • 发表时间：
    2020
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Xiangtian Yu;Zijun Gan;Yan Xu;Sibao Wan;Min Li;Shijian Ding;Tao Zeng
  • 通讯作者：
    Tao Zeng

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

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