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.     

用基因互作网络识别胰腺导管腺癌基因生物标记

胰腺导管腺癌(PDAC)是全球高致死率癌症中的一种.PDAC基因生物标记的识别可以通过构建基因互作网络完成.利用蛋白质互作网络来分析与研究基因表达芯片数据,构建出PDAC基因互作网络并对其划分基因模块,进而筛选出在模块中的PDAC差异性表达基因.通过筛选在癌症样本和正常组织样本中共表达的基因对,并利用STRING蛋白质互作网络评估基因功能相关性,构建出具有PDAC特异性的基因互作网络.利用iNP算法进行网络模块化分,在每一个模块中,模块内基因都具有强的共表达特性和模块功能相关性.通过筛选,获得了34个基因模块,其中20个在癌症样本中表达明显上调,14个在癌症样本中表达明显下调.从这些模块中又筛选出在PDAC样本中表达上调的10个基因生物标记,如DMBT1、DSC3等和表达下调的10个基因生物标记,如DLG5、NRCAM等.     

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。     

基于模糊区分矩阵的结直肠癌基因选择

由于低分化肿瘤很难通过常规组织病理学诊断发现,而结合基因检测的手段可以准确筛选出针对特定肿瘤的致病基因,因此基因选择是进行肿瘤分类和临床治疗的关键问题.肿瘤基因表达数据具有样本小、维度高的特征,现有的基因选择算法在分类精度和计算效率上还有待提高.在模糊粗糙集理论的基础上进行区分矩阵模糊化,并依此设计了模糊区分矩阵属性约简算法.相比于经典的区分矩阵,模糊化的区分矩阵能够体现不同属性对于两个对象区分程度的差异,从而选择区分程度更高的属性而获得更好的分类效果.数值实验表明该方法提高了肿瘤基因数据的分类精度,且降低了计算耗时.实验采用kNN分类器进行结直肠癌(Colon Microarray)分类特征基因选择实验,从2000个特征基因中筛选出了五个结直肠癌发病相关的关键基因,且分类精度高达88. 06%.     

基于表达谱分析筛选肾母细胞瘤关键基因

为探究肾母细胞瘤(Nephroblastoma)发生的关键基因,并筛选出潜在的治疗靶点及生物标志,采用由GEO数据库获取的基因芯片GSE11151和GSE53224,经归一化处理后,通过GO和KEGG分析筛选出差异基因,并通过构建蛋白互作网络获得其中的关键基因.总计获得差异基因404个,其中上调基因385个,下调基因19个.PMCH、CCR5、CCR7、RGS1和KNG1作为关键基因,涉及趋化因子信号通路、G蛋白偶联信号通路,参与肿瘤微环境的形成.这5个关键基因在肾母细胞瘤的发生中有着重要作用,并可能作为潜在治疗靶点及生物标志.     

肾透明细胞癌关键枢纽基因的筛选及生物信息学分析

目的:旨在通过生物信息学方法筛选与肾透明细胞癌(ccRCC)发生、发展相关的关键枢纽基因.方法:从公共基因数据库下载ccRCC基因芯片数据集(GSE66270)并筛选ccRCC组织与正常癌旁组织样本间的差异表达基因.R软件的clusterProfiler程序包用于差异表达基因的基因本体(GO)功能注释、京都基因与基因组百科全书(KEGG)通路富集分析.使用STRING数据库、Cytoscape软件构建蛋白互作网络(PPI)并筛选关键枢纽基因.通过GEPIA数据库对关键枢纽基因进行验证和预后分析.结果:共筛选出280个差异表达基因.GO分析结果显示差异表达基因在离子的稳态、跨膜转运和离子跨膜转运蛋白活性中显著富集.KEGG富集分析结果显示,差异表达基因主要参与PPAR信号通路、补体和凝血级联反应以及胆固醇代谢等相关肿瘤信号通路.从差异表达基因中筛选出7个关键枢纽基因,包括3个上调基因C3、CXCR4、CXCL9和4个下调基因EGF、ALB、KNG1、CASR.生存分析结果显示,关键枢纽基因C3和CASR与ccRCC患者的预后不良相关.结论:通过生物信息学方法筛选了与ccRCC发生、发展相关的差异表达基因,筛选出的关键枢纽基因可为后续找到用于ccRCC临床诊断与治疗的靶点提供了理论依据.     

具有预后价值的乳腺癌发病关键基因鉴别研究

目的:筛选与乳腺癌发病相关的关键基因,为研究乳腺癌的诊疗提供新的潜在分子靶标.方法:使用GEO2R在线工具比较乳腺癌与正常乳腺组织基因表达情况,进行差异显著性分析,利用基因功能注释工具DAVID对差异基因进行GO和KEGG富集分析.通过STRING数据库构建差异基因的蛋白互作网络,基于最大团中心性(maximal clique centrality,MCC)算法鉴别关键基因,利用Kaplan Meier生存分析验证关键基因对患者生存时间的影响.结果:乳腺癌基因表达差异分析共产生491个差异基因,其中有254个上调,237个下调.GO富集分析表明差异基因显著富集于肿瘤相关的生物学过程、细胞组分和分子功能,KEGG通路富集分析主要集中于PI3K-Akt信号通路、黏附斑和癌症通路.基于MCC算法共选取10个关键基因,其中的4个基因(ISG15,IFIT1,GBP1和IFI27)过表达与患者生存时间显著降低密切相关(P0.05).结论:共鉴别了4个与乳腺癌发病密切相关的关键基因,相关研究结果可为研究乳腺癌的诊疗提供新的潜在分子靶标.     

SIPA1L2:阿尔茨海默症的风险基因（英文）

阿尔茨海默症(AD)是一种常见的具有高度遗传性的神经退行性疾病.越来越多的常见变异被发现与AD相关,但这些常见变异只能解释遗传力的一小部分.理论和实践表明罕见变异可解释剩余的遗传力.我们在389个个体(175个AD和214个认知正常)的600470个变异中探索能够改变AD易感性的罕见功能性变异.首先,在密歇根填补服务器上对缺失的基因型进行填补后,进行了质量控制和基于基因的注释.其次,对311个注释的外显子变异进行有效的重采样序列核关联测试.最后,通过几种生信工具对鉴定出的风险基因的潜在生物学解释进行了预测.结果显示,在Bonferroni校正下,SIPA1L2基因中的罕见错义变异rs2275303与AD显著相关(P=6.00E-04),并通过生信分析对其致病性进行了验证. SIPA1L2基因有望在AD的预防、诊断、预后和治疗中发挥重要作用.     

基于组稀疏的遗传性疾病和性状基因位点选择方法研究

如何从海量基因信息中高效挖掘出遗传性疾病密切相关的基因位点是全基因组关联性分析的核心问题.然而,目前常用的致病基因位点选择单变量分析技术不能发现多基因复杂交互形成的致病机制.为此,本文尝试从多变量分析角度,采用稀疏优化模型,实现致病基因的选择.为进一步实现致病基因位点的选择,采用基于L12范数的最小组稀疏角回归算法,通过调整正则化系数大小来控制模型的组间稀疏度,最终有效实现了致病基因和基因位点的选择.最后,通过某遗传疾病的真实基因数据,验证了该方法的有效性.     

水稻miR446及其靶基因APP1在非生物胁迫中 的功能研究

根据基因芯片的数据筛选出Osa-miR446及靶基因作为研究对象.生物信息学分析表明,Osa-miR446有4个候选靶基因,通过RACE技术对这些候选靶基因进行鉴定,发现只有LOC_Os03g56930.1(APP1基因)可得到理想的剪切条带,测序后比对可知该剪切位点位于APP1基因的内含子区域(第1036~1037个碱基).随后,通过克隆获得APP1基因,信息学分析可知该基因开放阅读框长度为711bp,是一个编码237个氨基酸的新的未定性的疏水性蛋白质.Southern杂交结果显示APP1在水稻基因组中为单拷贝基因.利用荧光定量PCR分析了Osa-miR446及其靶基因APP1在非生物胁迫中的表达模式,结果表明Osa-miR446与APP1基因的表达均呈负相关,说明Osa-miR446确实可通过剪切APP1基因的转录产物来对非生物胁迫应答.     

基于数据整合策略探究肌萎缩侧索硬化症易感基因

肌萎缩侧索硬化症（ALS）是一种以运动神经元凋亡为特征的神经退行性疾病， 目前尚无有效的治疗方法和药物. 发现新的相关基因或靶点基因， 对研究ALS的发病机制及临床治疗具有重要作用， 为临床预防、 诊断和治疗提供新的方向和目标.     从网站数据库搜集ALS相关基因的数据信息， 通过多种致病基因预测工具软件进行生物信息学分析， 并预测致病基因. 整合数据信息后得到39个候选基因. 结果表明，   候选基因与ALS均有一定的相关性.      

水稻白叶枯病菌致病相关基因筛选系统的建立

水稻白叶枯病菌Xanthomonas oryzae pv.oryzae是水稻生产中最严重的细菌性病害之一。本研究采用Tn5转座子随机插入突变的方法构建水稻白叶枯病菌广西菌株K74的突变体库,Southern杂交显示Tn5随机单拷贝插入基因组。通过水稻致病性检测试验,目前获得15个致病力降低50%以上的突变体,为定位Tn5插入突变基因,经质粒拯救、测序、序列分析后发现:4个突变基因为gum基因簇基因,5个为LPS基因簇基因,2个为metB基因,1个为hrpB1基因,2个是与糖合成转移酶相关基因,1个为编码假定蛋白的基因。其中14个突变基因是已知的与致病相关的基因。实验结果表明本研究成功建立了一个筛选水稻白叶枯病菌致病相关基因的系统,为进一步研究水稻白叶枯病致病相关基因,阐明该病的致病机理奠定基础。     

基因芯片对胃癌和食管癌基因表达谱的对比研究

目的 对比研究胃癌和食管癌的基因表达谱,筛选各自特异性基因.方法 利用基因芯片技术对两种上消化道常见肿瘤胃癌和食管癌的基因表达谱进行分析.结果 筛选出在胃癌中差异表达的基因34个.和21个在食管癌中发生差异表达的基因,最后发现在两种肿瘤组织中都发生显著变化的基因有4个.另外,对这些肿瘤相关基因的表达水平进行聚类分析,可以很清楚地将两种肿瘤组织及正常组织区分开来.结论 利用基因芯片技术可以高通量地筛选出肿瘤组织差异表达基因.通过少量特异性基因的表达水平,可以用来区分不同的肿瘤组织,对将来的基因诊断和基因治疗有一定的参考价值.     

基于生物信息学和机器学习探究溃疡性结肠炎能量代谢关键基因及其潜在机制

目的：鉴定溃疡性结肠炎中与能量代谢相关的关键基因,为溃疡性结肠炎的诊断和治疗提供新的方向。方法：从GSE87466数据集中提取能量代谢相关基因的表达量并进行差异分析后对其进行富集分析,通过LASSO算法(the least absolute shrinkage and selection operator,LASSO)和SVM-RFE算法(Support vector machine recursive feature elimination algorithm ,SVM-RFE)识别UC能量代谢关键基因,对关键基因进行富集分析、免疫浸润分析、关键基因靶向药物预测和构建ceRNA网络,最后用GSE75214作为验证集对关键基因的表达进行验证。结果：共筛选出32个与能量代谢相关基因,通过LASSO和SVM算法鉴定出5个关键基因(SLC16A1、ACSF2、NR1H4、CHST11和CBR3)。单基因富集结果显示关键基因通过糖酵解/葡萄糖新生、丁酸代谢、丙酮酸代谢等途径参与UC的发生发展。验证集GSE75214对关键基因进行验证发现表达均具有差异。结论：本研究通过机器学习的方法鉴定了SLC16A1、ACSF2、NR1H4、CHST11和CBR3作为UC能量代谢关键基因,其生物学功能主要跟糖酵解/葡萄糖新生、丁酸代谢、丙酮酸代谢等途径有关,为从能量代谢角度治疗溃疡性结肠炎患者的治疗提供了新的思路和方向。     

云平台下基因 基因相互作用识别算法

针对现有的快速方差分析算法进行并行可扩展性改进, 设计一种高效的并行计算模型, 并提出一种基于MapReduce模型的基因 基因相互作用识别算法--MRANOVA算法. 该算法有效解决了现有基因 基因相互作用识别算法在海量数据规模下普遍存在计算复杂度过高的问题. 实验结果表明, 该算法充分利用了云平台的并行计算能力, 随着数据量的增大, 加速比逐渐接近于集群数量, 可高效准确地完成基因 基因相互作用的识别.     

基于NMF技术探寻早期AD基因表达调控网络

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(AD)样本的基因表达数据进行分析,提取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.     

基于动态时间规划的基因芯片数据识别

研究了动态时间规划(DP)在基因芯片数据识别中的应用,提出了基因芯片数据的全局最大自相似度的定义以及基于最大自相似度和高维局部片段校对的基因芯片数据自动识别方法。讨论了基于最大相似度建立模板的方法与基于最大相似度的基因沿校对路径平均的建立模板方法对基因识别和分类的影响。对肿瘤基因的识别实验结果表明：基于最大相似度的DP算法(DP-MS)能够达到100%的识别率,本方法可以应用于基因芯片数据的识别、分类和基因疾病推断。