基于大家族生物序列数据的多位点连锁IBD计算和性状位点定位方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61572522
  • 项目类别：
    面上项目
  • 资助金额：
    67.0万
  • 负责人：
    王淑栋
  • 依托单位：
    中国石油大学（华东）
  • 学科分类：
    F0213.生物信息计算与数字健康
  • 结题年份：
    2019
  • 批准年份：
    2015
  • 项目状态：
    已结题
  • 起止时间：
    2016-01-01 至2019-12-31

项目摘要

How to make full use of important genetic information carried by dense single-nucleotide polymorphisms (SNP) in large pedigrees, build the appropriate formal models, study and analyze the relationships among these data of SNPs, genes and phenotypes, identify the pathogenic genes and pathogenesis of complex human diseases, is a hot and difficult problem in the fields of biological medicine and genetics, and an important topic in the post-genomic era. In this project, for large pedigree genotype data with missing dense SNPs, an accurate method is proposed for inferring the missing alleles based on the allele list pairs and an approximation method for assigning the genotypes based on conditional probability, which will provide more accurate data information for genetic linkage and association analysis. Using haplotype configurations with top highest likelihoods and their corresponding joint conditional probabilities, a weighted estimation approach is built for IBD（identity-by descent）matrix computation between any two members in pedigree at any positions of chromosome based on the linkage analysis for multiple marker loci of SNP data of large pedigree, which will provide an important basis for the study of genetic modes of complex diseases. To verify accuracy of the IBD matrix calculation, two methods of trait loci mapping are put forward of two-step variance component and extreme brother pairs for complex diseases, which will provide a novel thinking and method for gene mapping of complex disease in human genetics research. Based on the sequencing data of the simulation and real large pedigrees, the effectiveness and accuracy of the three stage methods are verified.
如何利用大家族中核苷酸多态性（SNP）携带的重要遗传学信息，构建合适的形式化模型，研究分析SNP、基因和表型数据间关系并从中识别人类复杂疾病的致病基因及其发病机理，是生物医学、遗传学等领域研究的热点和难点，也是后基因组时代的重要课题。本项目针对大家族密集SNP缺失数据，提出基于等位基因列表对的准确推断方法和基于条件概率的基因型近似指派方法，为遗传学中连锁和关联分析研究提供更准确的数据信息；分析大家族SNP数据多标记位点连锁关系，利用出现可能性较高的单体型格局及其联合条件概率，提出家族成员在染色体任意位置上IBD矩阵加权估计方法，为复杂疾病的遗传方式研究提供重要依据；为验证上述IBD矩阵计算的准确性，提出两阶段方差分量和极值兄弟对两种复杂疾病性状位点定位方法，为人类遗传学研究中复杂疾病相关基因定位提供新思路和新方法；基于仿真和实际大家族生物序列数据验证上述三阶段法的有效性和准确性。

结项摘要

本项目对大家族生物序列数据中等位基因推断、基因型近似指派、单体型格局生成、IBD（identity-by descent）矩阵计算以及多位点定位等理论及其分析方法和应用进行了研究。在理论方面，借鉴遗传学规律的思想，提出了等位基因推断方法在稀疏SNP（single-nucleotide polymorphism）数据和密集SNP数据上的信息提取和相关基因定位；讨论了基于标记位点连锁不平衡信息与条件概率的基因型近似指派方法；探索了采用有界深度优先搜索、分支定界和参数控制约束的单体型格局生成的理论和方法；建立了格局加权的IBD矩阵计算方法，将期望融入最佳线性无偏预测方法和EM算法，进而优化了单体型频率的估计；推广了复杂网络可靠的信息统计量：高阶度和混合度等，通过分析和研究IBD矩阵中的这些统计量来为复杂疾病多性状位点定位和基因定位提供新思路和新方法。在应用方面，探究了全基因组关联研究中海量数据的处理和建模，筛选了不需区分常见和罕见变异的标签SNP集，全面整合了DNA甲基化数据的均值-方差综合信号，融入了甲基化数据的异质性及强相关性的生物特征，探讨了数据驱动的差异甲基化区域识别，推动了基因和表型数据间关系研究。研究分析SNP、基因和表型数据间关系，识别人类复杂疾病的致病基因及其发病机理，为遗传学中连锁和分析研究提供更准确的数据信息，为复杂疾病的遗传方式研究提供重要依据。构建染色体任意位置上的多位点连锁IBD计算和性状位点定位方法，为人类遗传学研究中复杂疾病相关基因定位提供新思路和新方法。

项目成果

期刊论文数量（33）
专著数量（0）
科研奖励数量（1）
会议论文数量（3）
专利数量（15）
Tagging SNP-set selection with maximum information based on linkage disequilibrium structure in genome-wide association studies
在全基因组关联研究中，基于连锁不平衡结构，用最大信息标记 SNP 集选择
  • DOI：
    10.1093/bioinformatics/btx151
  • 发表时间：
    2017-07-15
  • 期刊：
    BIOINFORMATICS
  • 影响因子：
    5.8
  • 作者：
    Wang, Shudong;He, Sicheng;Zhu, Xinjie
  • 通讯作者：
    Zhu, Xinjie
A Parallel Bioinspired Framework for Numerical Calculations Using Enzymatic P System With an Enzymatic Environment
使用酶 P 系统和酶环境进行数值计算的并行仿生框架
  • DOI：
    10.1109/access.2018.2876364
  • 发表时间：
    2018-01-01
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    Pang, Shanchen;Ding, Tong;Zheng, Pan
  • 通讯作者：
    Zheng, Pan
Optimization to the Culture Conditions for Phellinus Production with Regression Analysis and Gene-Set Based Genetic Algorithm.
回归分析和基于基因集的遗传算法优化桑黄生产培养条件
  • DOI：
    10.1155/2016/1358142
  • 发表时间：
    2016
  • 期刊：
    BioMed research international
  • 影响因子：
    --
  • 作者：
    Li Z;Xin Y;Wang X;Sun B;Xia S;Li H;Zhu H
  • 通讯作者：
    Zhu H
Small Universal Bacteria and Plasmid Computing Systems.
小型通用细菌和质粒计算系统
  • DOI：
    10.3390/molecules23061307
  • 发表时间：
    2018-05-29
  • 期刊：
    Molecules (Basel, Switzerland)
  • 影响因子：
    --
  • 作者：
    Wang X;Zheng P;Ma T;Song T
  • 通讯作者：
    Song T
A Behavior Based Trustworthy Service Composition Discovery Approach in Cloud Environment
云环境下基于行为的可信服务组合发现方法
  • DOI：
    10.1109/access.2019.2913432
  • 发表时间：
    2019-05
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Pang Shanchen;Gao Qian;Liu Ting;He Hua;Xu Guangquan;Liang Kaitai
  • 通讯作者：
    Liang Kaitai

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

低度系列平行图的邻点可区别全染色
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    自然科学进展
  • 影响因子：
    --
  • 作者：
    王淑栋;任淑红
  • 通讯作者：
    任淑红
最小支配集的活体分子计算模型
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机学报
  • 影响因子：
    --
  • 作者：
    刘向荣;王淑栋;郗方
  • 通讯作者：
    郗方
DNA计算在组合优化中的应用及其复杂性
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    系统工程与电子技术
  • 影响因子：
    --
  • 作者：
    殷志祥;刘文斌;董亚非;王淑栋
  • 通讯作者：
    王淑栋
Analysis of Gene Logic Networks for Arabidopsis
拟南芥基因逻辑网络分析
  • DOI：
    10.2174/1574893611308020012
  • 发表时间：
    2013-03
  • 期刊：
    Current Bioinformatics
  • 影响因子：
    4
  • 作者：
    王淑栋
  • 通讯作者：
    王淑栋
基于条件互信息的乳腺癌易感基因网络的构建和分析
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    计算机与数字工程
  • 影响因子：
    --
  • 作者：
    王淑栋;范晓丹;王新赠
  • 通讯作者：
    王新赠

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

王淑栋的其他基金

大规模图数据的拓扑表达性和超低复杂度可计算性研究
  • 批准号：
    61873281
  • 批准年份：
    2018
  • 资助金额：
    65.0 万元
  • 项目类别：
    面上项目

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