Network Visualization in Cell Biology

Many of the processes known to take place in biological cells are analyzed in the form of different types of network.The complexity of these networks increases along with our knowledge of these processes,making their analysis more difficult.Network visualization is a powerful analysis method that will have to be developed further to deal with this complexity.This survey provides a brief overview of network visualization in general,followed by an in-depth discussion of its application to three network types specific to cell biology,namely gene regulatory,protein interaction,and metabolic networks.Finally,we discuss the difficulty of visually integrating these network types and trying to compare networks of cells that belong to different organisms.     

低能离子束辐照诱导的水稻差异表达基因的调控网络研究

用基因芯片检测鉴定离子束辐照下水稻中的差异表达基因（DEGs）.结果共检测到26个上调和6个下调的差异表达基因.共表达网络分析（RiceNET）表明,这些基因都存在着直接或间接的互作网络,暗示水稻存在着以前没有充分认识的基因网络.为进一步研究植物应答离子束辐照候选基因提供了基础.     

几种微阵列基因表达数据分析方法的比较

比较了微阵列基因表达数据处理中的几种方法,包括等级聚类、K-means方法、模糊聚类和自组织树．同时从算法中计算机的时空复杂度和结果的生物学意义两方面,对以上几种方法作了细致的讨论．结果显示,模糊聚类和自组织树都是较理想的方法．     

基于网络方法的疾病基因预测算法分析

目的 分析基于各类生物网络的复杂疾病致病基因预测算法,总结其优势及不足之处,提出改进思路及未来的研究方向。方法 深入分析当前基于网络的疾病基因预测算法原理,包括不同生物网络的构建、算法原理的基本假设、3个代表性算法及基于其发展出的最新方法。结果与结论 分析发现当前算法存在的3个不足并指出解决此不足的2种思路。     

Differential expression analysis and regulatory network reconstruction for genes associated with muscle growth and adipose deposition in obese and lean pigs

During the growth and development of skeletal muscle cells and adipose cells, the regulatory mechanism of micro-effect polygenes determines porcine meat quality, carcass characteristics and other relative quantitative traits. Obese and lean type pig breeds show obvious differences in muscle growth and adipose deposition; however, the molecular mechanism underlying this phenotypic variation remains unknown. We used pathway-focused oligo microarray studies to examine the expression changes of 140 genes associated with muscle growth and adipose deposition in longissimus dorsi muscle at six growth stages （birth, 1, 2, 3, 4 and 5 months） of Landrace （a leaner, Western breed） and Taihu pigs （a fatty, indigenous, Chinese breed）. Variance analysis （ANOVA） revealed that differences in the expression of 18 genes in Landrace pigs and three genes in Taihu pigs were very significant （FDR-adjusted permutation, P 〈 0.01） and differences for 22 genes in Landrace pigs and seven genes in Taihu pigs were significant （FDR-adjusted permutation, P 〈 0.05） among six growth stages. Clustering analysis revealed a high level of significance （FDR-adjusted, P 〈 0.01） for four gene expression patterns, in which genes that strongly up-regulated were mainly associated with the positive regulation of myofiber formation and fatty acid biogenesis and genes that strongly down-regulated were mainly associated with the inhibition of cell proliferation and positive regulation of fatty acid β-oxidation. Based on a dynamic Bayesian network （DBN） model, gene regulatory networks （GRNs） were reconstructed from time-series data for each pig breed. These two GRNs initially revealed the distinct differences in physiological and biochemical aspects of muscle growth and adipose deposition between the two pig breeds; from these results, some potential key genes could be identified. Quantitative real-time RT-PCR （QRT-PCR） was used to verify the microarray data for five modulated genes, and a good correlation between     

基于并行的非支配排序遗传Ⅱ算法优化双聚类

双聚类是微阵列基因表达数据分析中很实用的一种数据挖掘技术,它是一种同时对微阵列基因和条件进行聚类的方法,用来挖掘基因子集在条件子集下所体现出来的生物模式。传统的双聚类算法对于庞大的基因表达数据处理效率很弱,考虑在j Metal平台上实现基因表达数据的双聚类的一种新的研究方法及思路。同时考虑加入并行策略,提高算法的效率。在酵母啤酒细胞基因表达集和人类B-细胞两个标准数据集上对两个算法进行实验验证,表明所提出算法比其他多目标双聚类算法呈现出更好的优越性。     

贝叶斯网络的建造及其在数据采掘中的应用

贝叶斯 (Bayesian)网络近年成为数据采掘引人注目的研究方向。通过剖析 Bayesian网络的结构和建造步骤 ,着重讨论用 Bayesian方法从先验信息和样本数据进行学习以确定网络的结构和概率分布的基本方法 ,分析 Bayesian网络学习的特点 ,探讨 Bayesian网络的适用性。与数据采掘的其它方法相比 ,Bayesian网络的优点是可以综合先验信息和样本信息 ,这在样本难得时特别有用 ;可以发现数据之间的因果关系 ,适合于处理不完整数据集 ,这是其它模型难以做到的。其缺点是计算开销较大 ;确定合理的先验密度比较困难 ;如何判定实际问题是否满足所要求的假设 ,没有现成的规则     

基于网络拓扑相似性预测潜在致病基因

相关疾病基因的发现和预测是人类基因组研究的重要目标.近些年,一些研究者通过基于网络结构的方法来解决这个难题.然而,大多数方法在推理过程中仅使用了局部的网络信息,并且仅限于推理单一基因的关联.并且这些方法很少考虑到疾病-基因关联网络的网络拓扑性.笔者提出一种改进的基于二部图网络结构推理(improved network-based inference)的计算方法.该方法基于已知的疾病-基因网络拓扑相似性来发现更多潜在致病基因.文中使用的是OMIM数据库中的203种疾病的数据,通过留一交叉验证法验证实验,并获得了88.9%的AUC值.与文中提到的另外两种方法相比,该文方法能够有效地预测潜在致病基因.     

基于SOM网络的基因表达数据聚类分析

提出了用自组织映射(SOM)网络对生物信息学中基因表达数据进行聚类分析的方法。用SOM网络对酵母基因表达数据进行聚类。通过对映射结果的分析,表明SOM网络有较高的分类正确率,用于基因表达数据的聚类分析是行之有效的。     

Biomedical informatics for proteomics

Success in proteomics depends upon careful study design and high-quality biological samples. Advanced information technologies, and also an ability to use existing knowledge to the full, will be crucial in making sense of the data. Despite its genome-scale potential, proteome analysis is at a much earlier stage of development than genomics and gene expression (microarray) studies. Fundamental issues involving biological variability, pre-analytic factors and analytical reproducibility remain to be resolved. Consequently, the analysis of proteomics data is currently informal and relies heavily on expert opinion. Databases and software tools developed for the analysis of molecular sequences and microarrays are helpful, but are limited owing to the unique attributes of proteomics data and differing research goals.     

鲍幼虫变态分子机制的研究进展

综述了鲍幼虫变态及其分子机制的研究进展.鲍因其幼虫营卵黄营养,且同昆虫和蛙类相比,鲍幼虫变态速度快、存在提早发育(‘anticipatory’developmental program)现象,是研究贝类乃至海洋无脊椎动物变态现象的理想模式.早期研究采用药理学和电生理学方法发现了GABA等能够诱导鲍变态的物质,并且提出了变态过程信号通路,但调节幼虫变态的分子机制仍然所知甚少.研究人员采用差异显示PCR和基因芯片等手段获得了一些变态前后差异表达的基因.但是变态是由众多的基因和信号分子共同决定和影响的.传统获得差异基因的方法效率低、获得基因数量少、受公布的EST(表达序列标签)限制大,所以调控变态的分子网络和机制还尚未建立,缺乏对调控这一细胞过程的整体认识.转录组学分析获得大量变态差异基因,并且有助于建立差异基因相互作用网络,是研究变态分子机制的新方向.此外,变态差异基因的功能验证和注释是鲍变态分子机制研究的另一问题,基因干扰可能是解决方向之一.     

Progress in the applications of flux analysis of metabolic networks

The metabolic network has become a hot topic in the area of system biology and flux-based analysis plays a very important role in understanding the characteristics of organism metabolic networks. We review mainly the static methods for analyzing metabolic networks such as flux balance analysis (FBA), minimization of metabolic adjustment (MOMA), regulatory on / off minimization (ROOM), and dynamic flux balance analysis with linear quadratic regulator (DFBA-LQR). Then several kinds of commonly used software for flux analysis are introduced briefly and compared with each other. Finally, we highlight the applications of metabolic network flux analysis, especially its usage combined with other biological characteristics and its usage for drug design. The idea of combining the analysis of metabolic networks and other biochemical data has been gradually promoted and used in several aspects such as the combination of metabolic flux and the regulation of gene expression, the influence of protein evolution caused by metabolic flux, the relationship between metabolic flux and the topological characteristics, the optimization of metabolic engineering. More comprehensive and accurate properties of metabolic networks will be obtained by integrating metabolic flux analysis, network topological characteristics and dynamic modeling.     

中国高铁和民航网络结构特征比较

为增强对高铁(high-speed rail, HSR)和民航(air transport, AT)网络结构差异的认知,以2019年高铁列车和航班时刻表数据为基础构建无向网络模型,从网络紧凑性、节点中心性、联系强度异质性、网络层次性4个方面对中国高铁和民航网络拓扑结构特征进行比较。结果表明：高铁和民航网络具有较为接近的特征路径长度和集聚系数,但高铁网络密度更大、紧凑性更强;平均而言,高铁网络中节点连通性更好,而民航网络中节点具有更强的中转作用和全局可达性。高铁网络节点“流”联系强度表现出更强的异质性,从东、中、西三大分区来看高铁列车流主要发生在东-东、东-中、中-中部之间,航班流主要发生在东-东、东-中、东-西部之间。从核心边缘层次结构来看,高铁网络中与桥接层相关联的列车流占比较高,民航网络中与桥接、边缘层相关联的航班流占比较高。     

基因调控网络的父节点筛选贝叶斯建模方法

在构建基因调控网络的方法中,贝叶斯网络模型可以直观地表达基因间的调控关系,但在结构学习时的复杂度极高,使得网络建模效率较低且规模有限.因此,本文提出一种基于父节点筛选的贝叶斯网络(parent node screening based Bayesian network, PS-BN)建模方法.PS-BN方法将关联模型与贝叶斯网络模型相结合,在充分利用贝叶斯网络模型结构学习搜索策略的前提下,先基于父节点筛选方法去除部分冗余信息,以达到缩减搜索空间的目的.实验结果表明,与传统的贝叶斯网络模型方法相比,PS-BN方法极大提升了基因调控网络构建效率,同时准确率有所提高.     

中心方法在复杂网络中的比较

在复杂网络分析中,中心性分析已经显示出是一种很有价值的方法。它用来检测网络中的关键点以及对网络元素进行排序。为了支撑这种分析,文中讨论了5种中心性方法,并且在一个人工网络和2个实际网络中展示了它们的应用。这些方法的运用显示了在某种网络中有某种较强的关联,但在另一种网络中有较弱的关联。分析表明:对于复杂网络分析,几种方法应当同时考虑。     

人工神经网络在客源市场分区中的应用——以武夷山市为例

客源市场分区对于旅游营销决策具有很重要的指导作用,目前对客源市场的分区缺乏定量化的方法。以武夷山市为例,用人工神经网络中的SOFM网络对其国内客源市场分区进行了研究,通过对影响旅游需求的11个变量进行因子分析,将得到的3个因子为输入变量,将国内客源市场分为3个区,结果与在武夷山景区进行问卷调查得到的结果基本一致,研究方法对国内其他类似旅游景区开发具有显著的借鉴意义。     

基于权重的Jaccard相似度度量的实体识别方法

社会网络分析方法将社会行动者映射为图的节点,社会行动者之间的关系映射为图的边,然后利用图论的相关知识来解决社会网络问题.将数据挖掘方法应用于社会网络分析是数据挖掘研究领域的一个新方向.本文主要在算法改进和系统实现层面展开数据挖掘在社会网络分析中的应用,提出了基于权重的Jaccard相似度度量的方法及处理多链接属性的实体识别算法.最后基于电信分析系统平台,使用上述算法在电信数据集上进行测试,实验结果表明上述算法的有效性和实用性.     

基于社会网络与事件关联的恐怖事件监测与识别

 恐怖组织的社会网络结构变化与恐怖事件的发生具有一定的关联性。基于此关联,通过监测恐怖组织社会网络的变化,可以实时、有效地识别恐怖事件。将基于社会网络变化检测的恐怖事件监测与识别问题视为分类问题,并通过神经网络模型进行分类研究。以某一时刻是否发生恐怖事件为标准,对恐怖组织社会网络进行分类;通过网络分析技术,得出网络的参数指标,建立混合算法改进的神经网络模型;将网络的参数指标与恐怖事件发生情况分别作为输入和输出,对神经网络进行训练与测试。案例分析和对比结果表明,基于神经网络模型的社会网络变化检测方法具备较好的恐怖事件监测与识别能力;该方法可在一定程度上弥补现有方法正确率不高、通用性不强、检测结果与恐怖事件实际发生的相关性不高等不足。