基于非负矩阵分解技术探寻早期阿尔茨海默症基因表达调控网络

本文利用非负矩阵分解(NMF)技术,依据加强算法的稀疏性对患早期阿尔茨海默 症(Alzheimer’s Disease,AD)样本的基因表达数据进行了分析,提取了对疾病早期诊断具有重 要意义的显著基因,样本分类实验结果证明了算法的有效性。在此基础上,结合与炎症反应 有重要关系的 NF-κB 等基因初步建立了与早期 AD 密切相关的基因表达调控网络结构图, 为 AD 致病机理的探询、早期诊断与治疗等提供了有益的途径和方法。     

T检验识别阿尔茨海默病候选致病基因及基因生物分析

医学研究表明阿尔茨海默病(AD)的致病机制与基因有关,过高或过低的基因表达水平异常都会让人体失去平衡,产生病变.利用T检验法对基因芯片公共数据库GEO中的4种AD样本的基因芯片数据进行分析,提取出具有重要意义的显著差异表达基因,再通过这些差异基因的生物信息学分析其在AD发病机制中的作用,为AD致病机制的探询、预防、早期诊断与治疗等提供有益的途径和方法.通过该算法的筛选、结合AD发病机制的假说及基因生物学分析,最终识别出30个AD候选致病基因,其中有5个已经被确定为与AD有关,10个被AD致病基因筛选算法识别.     

基于PCA的模糊C均值聚类算法识别AD候选致病基因

研究表明阿尔茨海默病(AD)的致病机理可能与基因有关.利用计算方法对AD基因表达数据进行挖掘,以获得AD候选致病基因,寻找治愈AD方法.结合生物信息理论应用基于主成分分析(PCA)方法的模糊C均值算法处理基因表达数据:观察到AD基因表达数据具有线性相关性后,先用PCA对数据降维,再利用一维分类方法对降维后的数据聚类,然后将结果提供给模糊C均值算法作为其初始聚类数目和聚类中心.通过算法,最终识别出9个AD候选致病基因.     

基于大脑不同区域的阿尔茨海默症基因表达数据分析

提出了采用Tukey双权函数作为FastICA(Fast Independent Component Analysis)方法的非线性函数,对阿尔茨海默症(Alzheimer’s disease, AD)多个脑区域基因表达数据进行显著基因提取,揭示其基因表达调控关系.针对传统聚类方法基于全局聚类且只能将某个基因聚类到某一类的缺陷,改进的FastICA方法能够对基因表达数据进行快速有效的双向聚类,能够满足同一个基因可能参与不同信号传导通路的生物特性.同时考虑到人脑中海马区、内嗅皮质区、颞中回及视觉皮层区均与学习与记忆功能密切相关,将算法对多个脑区域进行基因表达调控综合分析.结果表明,大量炎症反应是AD致病的重要因素之一.     

基于基因表达谱的肿瘤样本分类规则提取

样本分类规则提取是基因表达谱数据挖掘工作中的重要内容,提取肿瘤病理组织与正常组织的样本分类规则具有重要的生物学意义与临床诊断价值.针对该问题,基于机器学习与数据挖掘技术,研究了用于区分肿瘤与正常组织样本的分类规则提取问题.首先,利用改进的Relief算法生成候选特征子集,并以支持向量机作为样本分类模型,利用交叉验证方法在训练集上评估候选特征子集的样本分类能力,确定分类特征基因集合;然后,利用CART(classification and regression trees)学习算法构建决策树获得样本分类规则;最后,对所得规则进行了分析和解释.     

基于炎症反应的阿尔茨海默症功能模块构建

整合阿尔茨海默症患者6个脑区的基因表达数据和蛋白质相互作用数据,较好地避免了基因表达数据高噪声、高变异等不足对构建基因调控网络精度和准确性的影响.考虑到脑部神经炎症是AD发病的重要原因之一,以及钙平衡失调可能是AD几个致病因素联系的纽带,结合蛋白质网络挖掘与AD发病密切相关的基因及炎症和钙离子功能网络,采用最大权重诱导子图(Heinz)算法实现两种高通量数据的结合并提取显著扰动子网,在此基础上利用基于边权的模拟退火算法预测和优化扰动网络,去除网络中较弱的相互作用,添加预测的较强的相互作用,提高网络的精度.实验共提取206个特征基因,并且提取了脑部炎症及钙离子作用机制的功能模块子网.结果证明,使用基于边权的模拟退火算法进一步加强了功能网络的模块性.经生物学分析证明炎症和钙离子机制在AD致病机制中起着很大的作用.这些数据在不同方面为系统地认识基因的复杂调控机制提供了必要的信息.     

阿尔茨海默症miRNA靶基因预测研究

为深入了解阿尔茨海默症的发病机制,利用匹配的基因表达数据和miRNA表达数据,对miRNA的靶基因进行预测分析.首先对选择出的差异表达miRNA进行靶基因预测;然后利用HCTarget算法验证预测的靶基因;最后对miRNA及其靶基因构建调控网络.调控网络中包含11个已确定的与AD有关的miRNA及6个AD致病基因.通过分析网络发现miRNA及其靶基因在正常与患病两种情况下的活性变化趋势,生物学分析也证实了它们在AD中的重要作用,为AD发病机制研究提供了依据.     

基于支持向量机递归特征消除和特征聚类的致癌基因选择方法

癌症通常由基因发生突变引起,因此从大量基因中有效地识别出少量致癌基因具有重要意义.针对基因表达谱数据高维小样本的特点,将支持向量机递归特征消除(SVM-RFE)和特征聚类算法相结合,提出一种新的基因选择方法:K类别SVM-RFE(K-SVM-RFE).该算法通过特征排序算法去除大量无关基因,利用K均值聚类算法将相似基因聚为一类,并通过两次SVM-RFE算法精选致癌基因.随后将K-SVM-RFE算法应用于多个基因表达谱数据集,并对其中的关键参数设置进行了讨论.实验结果表明K-SVM-RFE算法所选基因较已有方法在分类准确率上有显著提高,特别是在选择少量致癌基因上效果提升更为明显.     

基于基因信息挖掘的阿尔茨海默症早期诊断

运用文献计量学方法，从基因挖掘的角度探究阿尔茨海默症早期诊断的研究进展。以国内外AD基因研究的相关文献为研究对象，将CNKI和WOS核心集数据库作为文献来源，从文献计量学视角对主要研究机构、研究主题等数据信息进行外部特征分析，基于知识图谱进行内部语义挖掘以探求该领域的研究脉络和发展方向。研究发现，国内外的研究热点集中于AD的诊治方面，主要体现在潜在生物标志物的发掘和基因体细胞的识别、与AD有关的其他退行性疾病的异病同症基因表达机制研究、探索丰富基因治疗手段等三大方面。基因芯片筛选技术(如miRNAs表达改变)、CRISPR/Cas9介导的基因编辑技术、基因学检测技术(如尝试长序列三代测序)等新技术的研发与应用将成为未来研究重点。     

利用相关系数矩阵M构建SCT算法研究

在区分肿瘤样本与正常样本的过程中,维数过多的基因表达数据会影响最终的分类结果.针对这一情况,在去除冗余基因的过程中,利用相关系数矩阵M构建强相关树,得到一种去除冗余基因的强相关树(Strong Correlation Tree,SCT)算法.实验结果表明,SCT算法能够去除更多的冗余基因,使最终的分类结果更加准确.     

基于EFICA的AD微阵列数据基因网络分析

将EFICA(Efficient Variant of Algorithm FastICA)方法与基因网络相结合分析一组阿尔茨海默病(AD)微阵列数据.根据分类结果提取特征基因集并探寻与早期AD相关的基因网络,实验结果表明,EFICA方法比传统的Fastica方法能够获得更好的分类效果.并且通过对基因网络的研究,扩展了EFICA在生物信息学中的应用,为AD疾病的进一步研究提供新思路.     

阿尔茨海默病伴发视觉障碍研究进展

 阿尔茨海默病（AD）是老年人群常见的神经变性疾病,多以记忆力损害为首发症状,逐渐出现进行性认知功能受损和精神行为症状,对家庭和社会带来沉重的经济和照护负担。AD早期症状不明显,待诊断明确后的治疗效果差,因此,早期诊断尤为重要。研究发现,AD患者可出现视觉障碍,但尚无流行病学数据。目前AD的治疗包括非药物及药物等综合手段,AD伴发视觉障碍的治疗尚需研究。本文主要介绍AD视觉障碍的临床症状、发生机制、检测及评价手段,包括光学相干体层扫描、视觉诱发电位、视网膜微血管检查及神经影像学,以对AD患者的视觉障碍进行全面评价,寻找特异、敏感及简便的AD评估手段,为AD的早期诊断及早期干预提供依据。     

一种基于小分子多肽配体检测AD7c-NTP的新方法

与阿尔兹海默症相关的神经纤维蛋白(AD7c-NTP)是目前被广泛关注的一种用于早期诊断阿尔兹海默症的标志物,该标志物具有易获得、无创性的检测优势。本研究目的是检测尿液中的阿尔兹海默症标志物AD7c-NTP。通过分子模拟设计小分子多肽配体,固相合成方法合成多肽,基因克隆、原核表达AD7c-NTP,采用色谱方法分析小分子多肽配体的吸附能力、AD7c-NTP的检测范围以及在模拟尿液中的吸附情况。研究设计的DEWH配体可以与AD7c-NTP特异性结合,并且结合率达到了85%,该方法检测的线性范围是200~900 μg/L。该研究提供了一种便携的、可重复检测AD7c-NTP的方法,为阿尔兹海默早期诊断及延缓疾病奠定基础。     

基于智能影像基因组学技术的阿尔茨海默病预测进展

 阿尔茨海默病（AD）起病隐匿，目前尚无有效控制病情进展以及治疗的药物或方法。在其发病轻度认知功能障碍阶段早期预测进行干预，则能有效控制其病程。从基于脑影像组学特征的AD早期临床诊断、基于人工智能影像组学技术的AD早期预测两个方面综述了AD的早期诊断与预测研究进展，提出结合多模脑核磁共振影像特征和组学特征，在深度学习的框架下，将影像学和基因组学联系在一起，构造高分类与预测性能的深度学习模型，可为AD早期筛查并干预提供支持。     

Segregation of a missense mutation in the amyloid precursor protein gene with familial Alzheimer's disease.

A locus segregating with familial Alzheimer's disease (AD) has been mapped to chromosome 21, close to the amyloid precursor protein (APP) gene. Recombinants between the APP gene and the AD locus have been reported which seemed to exclude it as the site of the mutation causing familial AD. But recent genetic analysis of a large number of AD families has demonstrated that the disease is heterogeneous. Families with late-onset AD do not show linkage to chromosome 21 markers. Some families with early-onset AD show linkage to chromosome 21 markers, but some do not. This has led to the suggestion that there is non-allelic genetic heterogeneity even within early onset familial AD. To avoid the problems that heterogeneity poses for genetic analysis, we have examined the cosegregation of AD and markers along the long arm of chromosome 21 in a single family with AD confirmed by autopsy. Here we demonstrate that in this kindred, which shows linkage to chromosome 21 markers, there is a point mutation in the APP gene. This mutation causes an amino-acid substitution (Val----Ile) close to the carboxy terminus of the beta-amyloid peptide. Screening other cases of familial AD revealed a second unrelated family in which this variant occurs. This suggests that some cases of AD could be caused by mutations in the APP gene.     

用于“治疗性克隆”人胚胎干细胞研究面临的问题与可能的解决办法

利用培育的干细胞(SC)来实现组织再生和器官修复对于许多重大疾病如糖尿病、心脏疾病、老年性痴呆(AD)、帕金森病(PD)、神经损伤等的治疗具有重要意义,同时也是新药研发的重要工具.使用体细胞核转移技术(SCNT)克隆人类早期胚胎和提取干细胞,即所谓的"治疗性克隆"(Therapeutic cloning)技术,是目前进行干细胞个性化治疗的重要手段,具有广泛的临床应用前景.通过这种方法获得人胚胎干细胞的研究尚处于基础阶段,仍面临着许多有待解决的科学问题和技术挑战.在此主要就用于"治疗性克隆"人胚胎干细胞的研究进展做了简要综述,着重探讨了在该研究领域面临的主要困难,特别是在获得人成熟卵细胞方面,并提出了可能的解决办法.