基于蛋白质组学和单细胞实验数据的细胞信号传导系统的多尺度数学建模
结题报告
批准号:
11571368
项目类别:
面上项目
资助金额:
50.0 万元
负责人:
田天海
依托单位:
学科分类:
A0604.生物与生命科学中的数学
结题年份:
2019
批准年份:
2015
项目状态:
已结题
项目参与者:
葛翔宇、阎国光、陈荆松、谷伟、郭雪、惠艺清、董同同、罗振
国基评审专家1V1指导 中标率高出同行96.8%
结合最新热点,提供专业选题建议
深度指导申报书撰写,确保创新可行
指导项目中标800+,快速提高中标率
客服二维码
微信扫码咨询
中文摘要
丝裂原活化蛋白激酶(Mitogen-activated protein kinases,MAPKs)是将细胞外刺激信号传导至内胞及其核内的重要传导通道之一。激活该通道将调控细胞的增殖、分化、转化以及生存与凋亡等过程。 MAPK 信号传导通道在细胞内构成了一个复杂的传导系统,而用传统的生物学方法来研究该大型复杂的网络遇到了实质性困难,因此近年来数学建模已经成为了一个研究该信号传导网络的动态特征的有力工具。本项目的主要目标是建立大型的MAPK细胞信号传导通道的数学模型以及单细胞内的多尺度随机模型数学模型,并对影响MAPK细胞信号传导通道的信号输出的各种因素展开系统的研究,同时根据数字模拟提出具有医学和生物意义的预测。针对建模过程中所提出的挑战性问题,本项目拟设计新颖的数学建模方法和有效的参数估计算法。本课题所设计的研究均位于计算生物学的前沿,其研究具有重要的理论意义和较强的生物和医学应用前景.
英文摘要
The mitogen-activated protein kinase (MAPK) pathway has been implicated as one of the most important pathways mediating signal transduction for a diverse group of extracellular stimuli. Activation of this pathway results in the regulation of the fundamental cellular functions such as cell proliferation, survival/apoptosis, differentiation and motility. The MAPK pathway is a complex network inside the cell, which results in significant challenges to using biological research methods to study this pathway. The major goal of this project is to design large-scale model mathematical models of the MAPK pathway using proteomic data and multi-scale stochastic model using the single cell experimental data. We will also systemically investigate the influence of major perturbation on the system output, and make predictions according to computer simulations. To address the challenging issues rising from the procedure of modeling, this project will develop novel modeling methodologies and effective inference methods for estimating unknown parameters in the model. The proposed research work in this project is at the frontier of computational biology, and thus has substantial importance in the theoretical study of mathematical biology and potential applications in biology and medicine
现代生物实验技术的发展产生了大量的生物高通量数据,特别是近年来不断涌现的单细胞数据和单病人数据,为构建复杂生物调控网络的数学模型提供了前所没有的机遇。但这些数据由于不具备时间序列性质,使得数据分析和数学建模更加困难。本项目针对计算生物学研究领域的迫切需求,为细胞信号传导网络和复杂生物系统的研究提供新的数学建模理论和计算机方法。本课题的研究内容主要包括三个方面。一是基于蛋白质组学数据和单细胞实验数据来建立丝裂原活化蛋白激酶(MAPK)信号通道的数学模型。二是建立单细胞数据的分析方法和构建复杂生物网络的数学模型的方法。三是设计估计动态模型和生物化学反应系统中未知参数的快速有效算法。通过四年的研究,本课题组取得了如下的主要研究结果。一是提出了以互信息量,极大似然法和统计条件相关性等方法来构建复杂生物网络模型。二是建立了一个根据单细胞数据和单个病人蛋白组数据来构建复杂生物网络的数学模型的方法并建立了MAPK信号传导通道的网络模型和动态模型。三是基于投影方法和diffusion map方法,提出了SCOUT和DTFLOW二个确定单细胞伪时间点和伪轨迹的新方法。并利用这些方法分析了干细胞单细胞数据和乳腺癌症单病人数据。四是建立了一系列的高维在线学习的新方法并设计了快速计算方法比便于将这些方法应用于蛋白组学数据的研究。通过四年的研究,本课题组已经建立了一套较完善的数学建模理论和参数估计方法并利用这些理论方法来建立大型的信号传导系统和复杂生物系统的数学模型。这些模型可以用来预测在不同实验条件下的系统输出,为疾病的治疗和药物设计提供进一步的实验线索。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
The Impacts of Technical Progress on Sulfur Dioxide Kuznets Curve in China: A Spatial Panel Data Approach
技术进步对中国二氧化硫库兹涅茨曲线的影响:空间面板数据方法
DOI:10.3390/su9040674
发表时间:2017-04
期刊:sustainability
影响因子:3.9
作者:Zhimin Zhou;Xinyue Ye;Xiangyu Ge
通讯作者:Xiangyu Ge
DOI:10.1109/tnnls.2018.2843883
发表时间:2019
期刊:IEEE Transactions on Neural Networks and Learning Systems
影响因子:10.4
作者:Ning Hanwen;Qing Guangyan;Tian Tianhai;Jing Xingjian
通讯作者:Jing Xingjian
DOI:10.1371/journal.pone.0195941
发表时间:2018
期刊:PloS one
影响因子:3.7
作者:Guo X;Zhang H;Tian T
通讯作者:Tian T
DOI:--
发表时间:2018
期刊:中国科学-管理科学
影响因子:--
作者:蒋峰;何佳琪;曾志刚;田天海
通讯作者:田天海
Reverse-engineering of gene networks for regulating early blood development from single-cell measurements.
通过单细胞测量对基因网络进行逆向工程以调节早期血液发育
DOI:10.1186/s12920-017-0312-z
发表时间:2017-12-28
期刊:BMC medical genomics
影响因子:2.7
作者:Wei J;Hu X;Zou X;Tian T
通讯作者:Tian T
国内基金
海外基金