代谢网络流分析进展及应用

代谢网络的研究已经成为系统生物学研究的一个热门话题,基于代谢网络流分析的方法在寻求生物体代谢网络特征中具有很重要的作用.回顾了几种主要的代谢网络静态分析方法如:流平衡分析(FBA)、代谢调节最小化分析(MOMA)、调节的开关最小化(ROOM)、含有二次线性规划的动态流平衡分析方法(DFBA-LQR)等.另外,介绍了几种常用的代谢网络流分析软件,如FluxAnalyzer,COBRA Toolbox,PathwayAnalyser,并对这些软件的性能进行了比较.代谢网络的研究不仅能使人们更好地了解代谢网络性质,也在很多方面得到了应用,将代谢网络流分析和其他生化数据分析方法整合起来的理念逐渐形成并已有所进展,如代谢流与基因表达调控的结合、代谢流对蛋白质进化的影响、代谢流与拓扑特征的关联分析、代谢工程优化改造等.今后的研究方向可以将代谢流分析与网络拓扑特征分析以及动态建模等结合起来以获得更全面更准确的代谢网络性质.     

整合组学数据的代谢网络模型研究进展

基因组规模代谢网络模型(genome-scale metabolic model, GEM)是根据化学计量平衡原理,基于基因-蛋白-反应三者关联,建立包含细胞生长必需的生化反应数学模型.细胞代谢网络存在复杂的调控,通过基因和蛋白表达量及代谢物浓度变化调节代谢反应通量,而这些数据无法直接反映代谢反应的通量. GEM研究面临的一个挑战是如何整合不直接反映代谢通量的数据类型,并将这些调控过程在代谢模型中进行准确的描述.本文综述了将高通量组学数据整合到代谢化学计量模型中的方法,包括根据基因和蛋白的表达判定代谢反应状态、筛选核心代谢反应集、代谢反应通量边界约束、转录调控网络整合和多时间尺度基因动态表达约束等;比较分析了不同算法的优缺点和应用场景;介绍了GEM与多组学数据整合在解析生物代谢特征、分析遗传和环境扰动、筛选癌症治疗潜在药物靶标和抗代谢药物等方面的应用;展望了组学数据和代谢网络模型集成的发展趋势.     

代谢组学：系统生物医学的关键角色

系统生物学是以实验、系统论和计算方法整合研究为特征,研究生物系统组成成分及其相互关系的学科．而系统生物医学是系统生物学在医学应用研究领域的分支．它以临床医学问题为导向、临床样本为研究对象．采用组学生物技术、生物信息学建模和分子生物学技术等集成化、系统化与高通量化等研究策略。其技术手段涵盖基因组学、表观基因组、转录组学、蛋白质组学和代谢组学等不同层次的全局性研究方法,并辅以影像学、分子生物学、生物分子定量分析等经典还原性分析方式。     

生态系统服务复杂关系研究的机遇、挑战与对策

理解多种生态系统服务之间的相互影响已经成为可持续发展科学的热点与前沿.本文总结了多种生态系统服务间复杂关系的分析方法与模型研究的最新进展,分析了当前研究中的问题和难点,并提出了一种新的交叉学科研究路线,即利用来自基因调控研究的布尔网络模型为生态系统服务间的复杂互动提供建模和模拟分析平台.以食物生产系统的4项基本生态服务的关系为案例,设定1个基本情景和1个调控情景,分析4项生态系统服务的相互关系变化对系统功能的影响.结果表明,运用布尔网络模型可以在简单规则和少量数据的条件下,模拟多个生态服务之间非线性的复杂相互作用,并能为研究调控多种生态服务提供建议.本文是对基因调控网络模拟多生态系统服务间相互关系的能力和合理性的初步验证可为进一步开展该领域研究提供参考.     

植物气孔计算生物学模型及其应用

气孔作为植物与外界进行碳、水交换的重要器官,将光合作用所需要的二氧化碳导入植物体内,并且通过蒸腾作用将水分散失到大气中.因此,深入了解气孔行为、有效调控气孔开度,对于提高植物的光合作用和水分利用效率具有深远的意义.气孔运动是由离子的运输、积累和释放所驱动的保卫细胞体积变化所引起的.然而,复杂的离子交换机制阻碍了人们对气孔运作机制的深入了解.定量系统的计算生物学分析方法为探索微观离子运输与宏观气孔生理活动之间的联系提供了一种有效的研究手段.通过系统整合保卫细胞离子运输、信号传导和离子稳态平衡等相关信息建立定量动态保卫细胞模型,可以为研究者在细胞和分子层面上对保卫细胞离子运输和气孔行为的研究工作提供有效的指导.本文通过回顾气孔建模工作的发展历程和研究现状,比较了传统经验、半经验的气孔模型和新式计算生物学模型,提出进一步发展气孔计算生物学促进计算生物学在我国农业领域的发展.     

基于共同用户的跨网络分析:社交媒体大数据中的多源问题

社交媒体大数据是大数据的重要组成部分.与大数据的"4V"特性对应,本文主要讨论社交媒体大数据中的Variety-多源问题.社交媒体的多源主要体现在不同社交媒体网络所关注的异构用户行为信息,理解社交媒体多源现象对于社交媒体分析和社交媒体大数据的深度应用具有重要意义.社交媒体数据具有来源于用户、服务于用户的特点.我们提出从多个社交媒体网络的共同用户入手来进行社交媒体多源分析:(1)跨网络用户建模,整合分散在不同社交媒体网络的行为信息得到完整用户模型,进行个性化服务;(2)多源数据知识关联,以共同用户与多源数据的交互作为桥梁,挖掘多源数据知识关联,服务于社交媒体协同应用.     

群集运动的理论建模与实证分析

对于鸟群、鱼群、菌群等生物群体大规模有序群集运动发生机理的探究,吸引了不同学科领域研究者的广泛关注.本文从理论建模和实证分析两个角度出发,对近年来群集运动研究所取得的主要成果进行了回顾,总结了基于个体的群集运动建模研究的最新进展,并对生物群集实证研究中发现的新现象进行了整理和分析,最后简要叙述了该领域中一些有待解决的问题及可能的研究方向.     

基于网络数据分析的心理计算:针对心理健康状态与主观幸福感

大规模地实时计算民众的心理特征有利于维护社会的和谐稳定,但传统的心理测验方法不能有效地满足上述需求.本研究提出了基于网络数据分析的心理计算方法,通过分析用户的"微博"数据建立心理计算模型(心理健康状态计算模型与主观幸福感计算模型),据此来计算民众的心理特征.研究结果显示,心理计算模型的建模效果良好,而建模方法与建模目标是影响建模效果的两个重要因素.本研究表明,可以通过分析网络数据来计算民众的心理特征,此方法有利于改善心理测验的实施规模与施测效率.     

专题: 生物信息学

随着高通量高分辨率组学技术的发展, 以基因组学、蛋白组学、代谢组学等为代表的海量生命组学数据随之大量产生, 相关的信息挖掘算法和系统生物学研究成了生物信息学发展的新热点. 一方面, 现代生命科学的发展已经越来越离不开信息科学的支撑, 需要信息科学领域的学者参与；另一方面, 现代生物科学, 特别是生命组学, 正在以前所未有的速度发展, 这能够给从事复杂系统的研究人员提供各种高维非结构化高噪声背景的海量数据, 为复杂系统的建模和分析提供了十分难得的研究平台. 《科学通报》“生物信息学”专题在这个时候出版, 具有十分重要的意义......     

基于DNA/RNA的逻辑门与逻辑运算

DNA和RNA具有精确的分子识别能力以及强大的信号存储能力. 利用DNA/RNA分子的生物学特性来构建分子级别的逻辑门并实现逻辑运算是近年来计算机科学和分子生物学交叉产生的新兴领域, 引起了研究者的广泛关注. 本文介绍了利用DNA/RNA分子的酶活性、结构特性来构建逻辑门的方法, 探讨了将单一逻辑门整合成复杂的逻辑运算的途径. 并且对于DNA/RNA逻辑门在体外检测和体内诊疗等生物医学中的应用进行了介绍, 提出了未来的发展方向.     

应用复杂网络理论研究代谢网络的进展

后基因组生物信息学研究的一个重要任务是系统地研究活细胞内所有分子和它们之间的相互作用, 从而了解这些分子及它们之间的相互作用对整个生物体功能的影响. 而网络则是对各种相互作用关系的恰当的抽象描述. 近年来, 复杂网络理论在揭示各种复杂的技术网络和社会网络的形成和演化机制方面取得了一些重要成果, 其方法和结果已对生物学研究产生影响. 本文评述了基于基因组的大规模代谢网络重建和分析的进展, 论述了利用复杂网络理论分析代谢网络结构的主要方法和结果.     

基于通路关联网络研究丹酚酸B治疗心血管疾病的机理

研究候选药物治疗疾病的作用机制是药物研发过程中的一个重要步骤.目前,运用系统生物学方法对蛋白、药物和疾病相互关联网络的分析加深了对药物治疗疾病机理的理解.然而,针对这些关联网络的分析大都是从基因/蛋白的角度直接关联到疾病层面.考虑到蛋白通常通过参与生理通路实现其自身的生物功能,所以本研究提出了以生物通路关联网络的分析方法,以生物通路为研究视角来研究药物治疗疾病的机理.许多研究表明,丹参主要活性成分丹酚酸B对心血管疾病有良好的疗效.本文在运用药物-蛋白关联网络分析方法的基础上,尝试结合生物通路关联网络去分析丹酚酸B治疗心血管疾病的机理.利用分子对接方法计算得到丹酚酸B的作用靶点,同时通过文献挖掘收集实验验证的丹酚酸B治疗心血管疾病的调控蛋白及目前治疗心血管疾病的西药及靶点数据.利用药物-蛋白关联网络分析发现,丹酚酸B能够通过作用肾素-血管紧张素-醛固酮系统中血管紧张素转化酶和肾素,从而舒张血管,最终调节心血管疾病.通过生物通路关联网络分析发现,丹酚酸B可能通过作用凋亡生理过程、免疫/炎症生理过程、离子迁移生理过程和基础代谢生理过程来调节心血管疾病,并且倾向于调节免疫生理过程.因此,基于通路关联网络的分析方法能够为分析药物的治病机理提供新的视角.     

几何形态学:关于形态定量比较的科学计算工具

形态比较是人类认识世界的重要方法.长期以来,定性比较方法因其简单易用而得到广泛应用.然而定性的形态比较具有很多局限性,远不能满足当前需求.因此,形态定量比较方法势在必行.几何形态学是关于形态定量比较的科学计算工具,主要应用于生物学领域,但其研究方法与理念完全可以移植到其他学科,并具有巨大的潜在应用前景.本文先对其简史、原理及在生物学领域应用的流程进行了简述,接着对其在非生物学领域应用的几个典型案例进行解析,并对还未应用几何形态学但具发展潜力的领域进行概述,提出:如何将相关问题图形化并确保代表性、可比性以及标准化处理,是几何形态学在非生物领域应用的关键所在.最后,对几何形态学的发展前景进行了展望,特别指出其在生物学领域将向规模化和整合化两个方向发展,而应用于其他学科领域时,具有一定的普适性和先进性.最终希望为我国科研工作者在形态定量比较方面的工作提供一些借鉴.     

光镊与DNA纳米技术在膜生物学研究中的应用

生物膜是生命活动中信号传导和物质运输的平台。近年来,多学科的交叉应用为膜蛋白介导的膜融合与分裂、囊泡形成与分泌,以及脂质代谢的调控机制等膜生物学研究带来了新的信息。例如,单分子光镊力谱方法通过精准、定量地检测蛋白与膜的相互作用,为在时空维度上理解这一生物过程的复杂调控机制提供了强有力的手段。此外,DNA纳米技术通过构建纳米尺度可编程的自组装结构,提供了可精确修饰与功能化的分子器件。经过疏水修饰的核酸纳米器件可以作用于磷脂膜或生物膜,进而对膜进行表面改性、诱导形变、控制理化参数以及跨膜通信等调控操作。该领域的进步将为细胞生物学机制研究、分泌囊泡的分析检测、人工脂质体的制备优化、新型分子载具开发以及新型药物开发提供特色的工具手段,并构建新颖的体系平台助力合成生物学、化学生物学以及分子医学的发展。     

基于互联网平台的大数据收集在社会认知研究中的应用

基于互联网的大数据收集是社会认知领域的新兴研究手段.本文主要介绍了基于以MTurk,Micro Turk等为代表的、具有交易功能的大型行为数据网络收集平台进行的社会认知领域的研究,从网络平台大数据采样的数据质量和大数据对社会认知领域新方向的启发两方面进行阐述,总结了网络大数据在样本范围和数量、分析方法和实验情境上相比传统实验室数据采集的优势和不足.虽然互联网平台的大数据收集还有无法完全控制被试完成任务、存在难以通过大量样本平衡的变量等一系列问题,但这一研究方式的社会性生态效度佳,且在纵向研究和社会行为的网络化分析等方面表现出独有优势,在社会认知领域的研究中具有广阔的应用前景.     

面向合成生物学的机器学习方法及应用

机器学习的目标是设计可以根据先验知识和观测数据不断改进其性能的算法.该算法可以帮助机器从大量的数据中提取知识,从而提升其在特定任务上的性能.作为数据驱动的方法,机器学习可以有效利用高通量实验技术产生的大批量生物数据,实现合成生物体的功能预测与智能化设计,改变合成生物学的研究范式.本文首先介绍机器学习在合成生物学领域广泛应用的几个模型及方法,如支持向量机、神经网络、生成式对抗网络、深度强化学习等.然后介绍机器学习方法在合成生物学领域的典型应用,如启动子预测、酶催化设计、代谢途径构建、基因线路设计等.本文综述面向合成生物学的机器学习方法及应用,并试图启发读者如何选择和设计机器学习方法用于合成生物学的研究.     

人脑形态网络及其在脑发育研究中的应用

人脑是一个极其复杂的系统,数以万亿的神经元通过突触构成了庞大的连接网络,如何系统而全面地刻画大脑内部的组织模式一直是神经科学家致力解决的热点问题.随着非侵入神经成像技术的兴起,基于磁共振成像的脑网络研究为揭示人脑的复杂结构提供了新的契机.其中,脑形态网络因其图像易获得、质量稳定和分析方法简单等优势引发了研究者的广泛关注.传统的脑形态网络是利用一组受试者的某种形态学指标构建的被试间协方差网络,只能反映大脑形态的群组特征.个体水平脑形态网络则针对个体大脑刻画脑区间的形态相似性,保留了个体的形态信息.多指标甚至多模态数据的应用,进一步整合多种互补的结构信息,能够综合表征皮层形态的拓扑连接模式.近年来,脑形态网络在探究人类大脑发育进程方面体现了重要价值.研究发现,胎儿时期形态网络从高度模块化的原始状态开始逐渐整合,至出生时已形成小世界拓扑,出生后至童年早期网络变得分离,童年晚期至青春期又逐渐整合,初级网络率先达到成熟而高级网络长期持续发育.这些结论为理解大脑认知功能的形成和发育障碍的起源提供了重要的理论支撑.本文介绍了两种脑形态网络的构建方法和图论模型的基本概念,回顾了脑形态网络在胎儿、婴儿、...     

分子拓扑指数的理论和应用

分子拓扑学是图论、拓扑学、化学、计算机科学相互交叉的一门新学科,分子拓扑指数是分子拓扑学最重要的组成部分。本文在文献[1—16]的基础上纲要式地介绍了拓扑指数的理论和应用。包括结构式的图形化,分子图的矩阵化,矩阵的数值化,以及拓扑指数在分辨同分异构体的结构、研究结构与性质的定量关系、设计合成路线等方面的应用。     

合成微生物组:当“合成生物学”遇见“微生物组学”

合成微生物组是指运用合成生物学方法构建的功能菌群.合成微生物组以代谢通路模块化为核心特征,每个代谢模块的工作由一个菌株完成,从而实现多个菌株的分工与合作.与单菌株相比,合成微生物组具有降低菌株代谢负担与遗传改造难度、提供多样的元件表达平台、实现"即插即用"的模块替换等优势.在合成生物学与微生物组学快速发展、交汇融合的影响下,合成微生物组已成为近些年微生物领域新的研究热点,在生物合成平台化合物、复杂大分子以及生产生物燃料等方面具有广阔的应用前景.本文介绍了合成微生物组的设计原理与优势,总结了近些年的主要研究成果,阐述其目前面临的挑战与机遇,最后对其未来的发展进行展望.     

DNA编码荧光实现细胞内RNA高通量成像

正单细胞RNA分析方法是单细胞生物学发展的基石.构建能够高通量获取细胞RNA表达水平、序列及空间分布等信息的单细胞RNA分析方法是目前单细胞分析领域面临的巨大挑战.近日,清华大学化学系李景虹课题组[1]在Chem上发表了题为"DNA-Sequence-encoded rolling circle amplicon for single-cell RNA imaging"的研究论文,提出了一种基于核酸序列信息编码的原位扩增标记方法,实现了细胞内单分子、单碱基分辨及高通量的原位RNA成像,并利用该技术研究了乳腺癌发生相关基因的表达.