生物时空大数据建模研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    11901328
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    26.0万
  • 负责人：
    邹晨晨
  • 依托单位：
    青岛大学
  • 学科分类：
    A0403.贝叶斯统计与统计应用
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

Integrative and dynamic modeling of the spatial conformations of bio-macromolecules has become increasingly important nowadays for unveiling the mechanics of genome and promoting the Precision Medicine science at the molecular levels. The massive renewal of data requires innovative and specifically customized statistical methodologies. This project focuses on analysis of spatial and time-course big data in 4D Nucleome researches. The major topics include: (a) developing a Principal Structure Analysis model that can be used for genome spatial conformation analysis; (b) proposing multi-track joint Poisson-Gamma mixture regression and providing modeling estimation and selection approaches; (c) developing statistical algorithms for simultaneous capture of both structural and time-course change points for 4D Nucleome data mining.
随着生物技术与大数据科学的交叉融汇，海量数据云集涌现，对生物大分子结构动态化、集成化的研究日益成为揭示基因组运作机制、从分子水平推进精准医疗必需的条件。日新月异的实验数据需要创造性的分析方法与统计学模型。本项目着眼于生物信息学，特别是4D 细胞核组学中空间、时间相关的大数据分析，研究以下统计建模问题: (a) 空间主结构分析的统计模型与算法; (b) 多轨道JPGM回归的模型估计与模型选择; (c) 4D基因组时空数据结构变点与时段变点的同步捕获算法。

结项摘要

本项目以时间、空间相关的统计学模型在生物、医学数据上的应用为主要背景，根据实际情况因地制宜，对主要的研究内容作出调整，由之前生物主题修改如下：1，多响应高斯过程的模型选择；2，基于弹性网络的稀疏化赋权模型平均；3，广义线性回归的信仰推断。成果包括：发表学术论文三篇，参与学术会议两次，进行学术报告两次，培养理学硕士研究生8名。其他研究成果将后续发布。本项目的研究在空间统计，计算机试验，及先验匮乏情形下的医学数据分析等领域均有参考与应用价值。

项目成果

期刊论文数量（3）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Multi-Task Variable Selection in Gaussian Process
高斯过程中的多任务变量选择
  • DOI：
    10.2139/ssrn.4334185
  • 发表时间：
    2023
  • 期刊：
    SSRN Electronic Journal
  • 影响因子：
    --
  • 作者：
    Jie Ji;Xinmin Li;Chenchen Zou
  • 通讯作者：
    Chenchen Zou
Fiducial inference for gamma distributions: two-sample problems
伽马分布的基准推断：双样本问题
  • DOI：
    10.1080/03610918.2019.1568471
  • 发表时间：
    2021-03-04
  • 期刊：
    COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION
  • 影响因子：
    0.9
  • 作者：
    Wang, Xiao;Zou, Chenchen;Li, Xinmin
  • 通讯作者：
    Li, Xinmin
On improvability of model averaging by penalized model selection
通过惩罚模型选择来改进模型平均
  • DOI：
    10.1002/sta4.529
  • 发表时间：
    2022-11
  • 期刊：
    STAT
  • 影响因子：
    1.7
  • 作者：
    Kun Cao;Xinmin Li;Yali Cao;Chenchen Zou
  • 通讯作者：
    Chenchen Zou

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

基于混合变点模型的卵巢癌诊断筛查
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    Journal of Systems Science & Complexity
  • 影响因子：
    --
  • 作者：
    邹晨晨;房祥忠;翟广贺
  • 通讯作者：
    翟广贺
成都市孕妇膳食能量摄入及能量密度与孕期增重的关系
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    卫生研究
  • 影响因子：
    --
  • 作者：
    殷俊;陈媛媛;龚云辉;周容;李鸣;钟海宇;李傲霜;邹晨晨;赵莉;杨大刚;成果
  • 通讯作者：
    成果
卵巢癌的早期诊断
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Acta Mathematicae Applicatae Sinica-English Series
  • 影响因子：
    0.8
  • 作者：
    韩霄;房祥忠;邹晨晨
  • 通讯作者：
    邹晨晨

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

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