基因表达数据中的二维模式发现方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60575014
  • 项目类别：
    面上项目
  • 资助金额：
    23.0万
  • 负责人：
    张学工
  • 依托单位：
    清华大学
  • 学科分类：
    F0304.系统工程理论与技术
  • 结题年份：
    2008
  • 批准年份：
    2005
  • 项目状态：
    已结题
  • 起止时间：
    2006-01-01 至2008-12-31

项目摘要

本项目提出基因表达数据中的二维模式发现这一新的模式识别问题，研究其解决方法和在乳腺癌基因表达数据等中的应用。二维模式发现即从基因表达数据中寻找一组基因和一组样本，使得这组样本在这些基因上表现出一致的规律性，而不对其余的样本和其他基因作任何假定。这也可以称作单类模式识别及其特征选择问题。与传统的模式识别问题相比，研究二维模式发现问题更有利于发现疾病中隐藏的局部规律，更符合疾病的复杂性和多样性特点，同时又能兼容两类和多类的模式识别方法，对发展模式识别的理论和方法以及其他领域的应用也有重要意义。本项目将研究这一问题的定义和理论基础，研究其有效的解决方案，并重点对乳腺癌数据进行实验分析，探索乳腺癌淋巴结扩散的规律及其与其他病理因素的关系。

结项摘要

项目成果

期刊论文数量（5）
专著数量（0）
科研奖励数量（0）
会议论文数量（1）
专利数量（0）
The effect of GeneChip gene definitions on the microarray study of cancers
GeneChip 基因定义对癌症微阵列研究的影响
  • DOI：
    10.1002/bies.20433
  • 发表时间：
    2006-07-01
  • 期刊：
    BIOESSAYS
  • 影响因子：
    4
  • 作者：
    Lu, Xuesong;Zhang, Xuegong
  • 通讯作者：
    Zhang, Xuegong
Neighbor number, valley seeking and clustering
邻点数、谷值搜索和聚类
  • DOI：
    10.1016/j.patrec.2006.07.003
  • 发表时间：
    2007-01
  • 期刊：
    Pattern Recognit. Lett.
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
Recursive SVM feature selection and sample classification for mass-spectrometry and microarray data
质谱和微阵列数据的递归 SVM 特征选择和样本分类
  • DOI：
    10.1186/1471-2105-7-197
  • 发表时间：
    2006-04-10
  • 期刊：
    BMC BIOINFORMATICS
  • 影响因子：
    3
  • 作者：
    Zhang, XG;Lu, X;Wong, WH
  • 通讯作者：
    Wong, WH

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

多巴胺通路的基因与精神分裂症风险的多位点关联研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    中国科学C辑
  • 影响因子：
    --
  • 作者：
    孙向青;贾彦彬;张学工;许琪;沈岩;李衍达
  • 通讯作者：
    李衍达
新一代高通量 RNA 测序数据的处理与分析
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    生物化学与生物物理进展
  • 影响因子：
    --
  • 作者：
    王立坤;冯智星;汪小我;张学工;王曦
  • 通讯作者：
    王曦
脊椎动物中微小RNA进化模式研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    中国科学(C辑:生命科学)
  • 影响因子：
    --
  • 作者：
    张学工;李衍达;汪小我
  • 通讯作者：
    汪小我

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

张学工的其他基金

人类细胞图谱复杂数据的智能表示理论与信息框架
  • 批准号：
    62250005
  • 批准年份：
    2022
  • 资助金额：
    249 万元
  • 项目类别：
    专项基金项目
人类细胞图谱复杂数据的智能表示理论与信息框架
  • 批准号：
    62050178
  • 批准年份：
    2020
  • 资助金额：
    98.46 万元
  • 项目类别：
    专项基金项目
微生物组构成分析的精确方法研究
  • 批准号：
    61673231
  • 批准年份：
    2016
  • 资助金额：
    65.0 万元
  • 项目类别：
    面上项目
基因芯片数据分析中的模式识别问题研究
  • 批准号：
    60275007
  • 批准年份：
    2002
  • 资助金额：
    22.0 万元
  • 项目类别：
    面上项目
基于统计学习理论的模式识别方法研究
  • 批准号：
    69885004
  • 批准年份：
    1998
  • 资助金额：
    12.0 万元
  • 项目类别：
    专项基金项目

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