基于信息抽取技术的蛋白质相互作用网络构建及蛋白质复合物识别研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61070098
  • 项目类别：
    面上项目
  • 资助金额：
    32.0万
  • 负责人：
    杨志豪
  • 依托单位：
    大连理工大学
  • 学科分类：
    F0211.信息检索与社会计算
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

随着基因组学研究和高通量技术的飞速进步，蛋白质之间的相互作用数据迅速积累，从蛋白质相互作用网络中识别出蛋白质复合物，是生物体行为理解、蛋白质功能预测和药物设计的基础。本项目综合利用各种生物医学知识源，使用特征耦合泛化策略构建蛋白质的实体识别模型；使用基于语义的相似度计算解决蛋白质名标准化中的歧义问题；使用平面特征核、卷积树核以及特征耦合泛化核的复合核模型进行蛋白质相互作用关系抽取，从而构建高准确的蛋白质相互作用网络。在抽取蛋白质复合物的过程中，综合考虑图的拓扑结构、蛋白质复合物的生物结构和蛋白质的功能标注信息，并引入基于监督的分类算法，从已知蛋白质复合物提取包括结合图的拓扑结构信息、关系的可信度和络合物内蛋白质相似程度在内的特征，结合机器学习模型抽取蛋白质复合物。本项目将相关技术应用于肺癌的蛋白质相互作用网络构建和蛋白质复合物提取，发现肺癌肿瘤标志物，用于肺癌早期诊断。

结项摘要

随着基因组学研究和高通量技术的飞速进步，蛋白质之间的相互作用数据迅速积累，从蛋白质相互作用网络中识别出蛋白质复合物，是生物体行为理解、蛋白质功能预测和药物设计的基础。本项目综合利用各种生物医学知识源，使用特征耦合泛化策略构建蛋白质的实体识别模型；使用基于语义的相似度计算解决蛋白质名标准化中的歧义问题；使用平面特征核、卷积树核以及图核的复合核模型进行蛋白质相互作用关系抽取，此外，引入排序学习方法自动学习不同核的权重，进一步提高了蛋白质关系抽取的效果。使用该技术从生物文献中抽取蛋白质交互关系，与PPI数据库中的数据进行融合，构建了高性能的蛋白质交互网络，从中进行复合物发现。在抽取蛋白质复合物的过程中，引入基于监督的分类算法，从已知蛋白质复合物提取包括结合图的拓扑结构信息、关系的可信度和络合物内蛋白质相似程度在内的特征，结合机器学习模型抽取蛋白质复合物。

项目成果

期刊论文数量（22）
专著数量（0）
科研奖励数量（0）
会议论文数量（1）
专利数量（0）
利用语义关系抽取生成生物医学文摘的算法
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    计算机科学与探索
  • 影响因子：
    --
  • 作者：
    商玥;林鸿飞;杨志豪
  • 通讯作者：
    杨志豪
Ontology integration to identify protein complex in protein interaction networks.
本体集成识别蛋白质相互作用网络中的蛋白质复合物
  • DOI：
    10.1186/1477-5956-9-s1-s7
  • 发表时间：
    2011-10-14
  • 期刊：
    Proteome science
  • 影响因子：
    2
  • 作者：
    Xu B;Lin H;Yang Z
  • 通讯作者：
    Yang Z
语义相似度的基因名标准化方法
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    计算机工程与应用
  • 影响因子：
    --
  • 作者：
    胡运翠;林鸿飞;杨志豪
  • 通讯作者：
    杨志豪
Construction of ontology augmented networks for protein complex prediction.
用于蛋白质复合物预测的本体增强网络的构建
  • DOI：
    10.1371/journal.pone.0062077
  • 发表时间：
    2013
  • 期刊：
    PloS one
  • 影响因子：
    3.7
  • 作者：
    Zhang Y;Lin H;Yang Z;Wang J
  • 通讯作者：
    Wang J
Integrating various resources for gene name normalization.
整合各种资源进行基因名称标准化
  • DOI：
    10.1371/journal.pone.0043558
  • 发表时间：
    2012
  • 期刊：
    PloS one
  • 影响因子：
    3.7
  • 作者：
    Hu Y;Li Y;Lin H;Yang Z;Cheng L
  • 通讯作者：
    Cheng L

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

基于支持向量机的生物医学文献蛋白质关系抽取
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    智能系统学报
  • 影响因子：
    --
  • 作者：
    洪莉;林鸿飞;李彦鹏;杨志豪
  • 通讯作者：
    杨志豪
非一致激励下长距离输水隧道地震响应分析
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    水利学报
  • 影响因子：
    --
  • 作者：
    禹海涛;袁勇;顾玉亮;杨志豪
  • 通讯作者：
    杨志豪
基于段落匹配和分布密度的偏重摘要实现机制
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    中文信息学报
  • 影响因子：
    --
  • 作者：
    赵晶;林鸿飞;杨志豪
  • 通讯作者：
    杨志豪
疾病-病症和病症-治疗物质的关系抽取研究
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    计算机工程与应用
  • 影响因子：
    --
  • 作者：
    冯钦林;杨志豪;林鸿飞
  • 通讯作者：
    林鸿飞
大停电后含分布式电源的电网分区及负荷恢复方案
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    电力系统保护与控制
  • 影响因子：
    --
  • 作者：
    刘仲;牟龙华;杨志豪
  • 通讯作者：
    杨志豪

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

杨志豪的其他基金

基于深度学习和知识图谱的生物医学文本新冠病毒知识发现
  • 批准号：
  • 批准年份：
    2022
  • 资助金额：
    53 万元
  • 项目类别：
    面上项目
基于深度学习和知识图谱的生物医学文本新冠病毒知识发现
  • 批准号：
    62276043
  • 批准年份：
    2022
  • 资助金额：
    53.00 万元
  • 项目类别：
    面上项目
基于生物医学文献的隐含知识发现方法研究
  • 批准号：
    61272373
  • 批准年份：
    2012
  • 资助金额：
    80.0 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