拟南芥基因转录调控关系的识别方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    31100953
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    20.0万
  • 负责人：
    郑小琪
  • 依托单位：
    上海师范大学
  • 学科分类：
    C0608.生物数据资源与分析方法
  • 结题年份：
    2014
  • 批准年份：
    2011
  • 项目状态：
    已结题
  • 起止时间：
    2012-01-01 至2014-12-31

项目摘要

转录调控关系的识别是理解基因转录调控机理的重要环节。染色质免疫共沉淀实验和微阵列技术是识别转录因子靶基因的两类实验方法，然而它们普遍存在费用高、无法实现高通量识别等缺陷。因此，开发有效的计算预测方法具有重要的实际意义。本项目以模式植物拟南芥为研究对象，以现有的转录调控关系和基因表达数据为基础，利用计算数学、生物信息学的工具开发拟南芥转录因子结合位点和调控关系识别的新方法。内容包括：(1) 研究基因共调控与共表达、功能相似性等之间的关系，改进现有的拟南芥基因共调控聚类方法，并通过motif识别工具的比较与整合，提高对拟南芥motif识别的准确性；(2) 研究转录因子与其靶基因的表达模式关系，综合提取表达谱、序列及结构信息构建拟南芥"转录因子-靶基因"预测的机器学习模型，得到高可信的motif和转录调控数据，并进行实验验证。本项目可以为理解拟南芥转录调控机理、构建基因调控网络提供理论基础。

结项摘要

至2014年12月止，课题组成员已发表相关SCI论文13篇，另有在投及接收论文3篇。其中影响因子在10.0以上的有1篇，3.0以上的7篇。2012年12月至2014年2月，项目负责人赴哈佛大学生物统计与计算生物学系刘晓乐教授课题组进行了为期一年多的学术访问，共同完成高水平研究论文一篇，并确定了长期的合作关系。共培养博士生1名 (于晓庆)，硕士生5名（唐琳燕、张君丽、张程、周昶捷、臧东巧）。本项目的主要研究结果包括：.1）拟南芥基因转录调控关系识别方面。我们利用统计学习方法，建立了拟南芥基因“转录因子-靶基因”的预测模型，该模型以基因表达谱、启动子序列特征为输入，利用支持向量机方法进行识别，得到了令人满意的准确度，也得到了新的高可信的转录调控关系以供试验验证。 .2）肿瘤组织甲基化与异质性的研究。刻画出肿瘤组织与其癌旁正常组织的甲基化图谱，并进而进行比较是目前癌症表观遗传研究的核心内容之一。我们建立了癌症-正常混合组织以及癌症多亚群落组织甲基化组的概率模型，并利用极大似然估计和EM算法对模型进行了求解。利用该模型，我们仅通过肿瘤组织的甲基化组数据就可以推测组织中肿瘤细胞的纯度和差异甲基化区域，从而大大降低了差异甲基化分析的实验工作量，并同时提高差异甲基化区域识别的准确性。该成果近期发表在生物学著名期刊《Genome Biology》上。.3）在疾病相关基因预测方面，我们利用蛋白质互作网络、疾病基因关联网络和疾病表型相似性数据构建了疾病与基因关系的多尺度整合网络模型，然后提出了一个基于“有返回随机游动”和“整体拓扑相似性”的致病相关基因预测方法。该方法在交叉验证和从头预测方法均取得了较好的效果。该论文已经发表在计算生物学重要期刊《BMC Bioinformatics》上。.4）蛋白质结构分类、亚细胞定位、功能等方面的研究。我们首次提出利用蛋白质同源比对谱PSI-blast得到的PSSM矩阵出发，分别利用自协方差变化，LPC分解等工具提取特征，既考虑了蛋白质序列中氨基酸次序的信息，也利用了其同源比对谱中蕴含的进化信息。 该方法对包括蛋白质二级结构类预测、凋亡蛋白亚细胞位点预测等模式分类问题上都取得了较好的识别效果。

项目成果

期刊论文数量（16）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Predicting subcellular location of apoptosis proteins with pseudo amino acid composition: approach from amino acid substitution matrix and auto covariance transformation
用伪氨基酸组成预测凋亡蛋白的亚细胞位置：氨基酸替换矩阵和自协方差变换的方法
  • DOI：
    10.1007/s00726-011-0848-8
  • 发表时间：
    2012-05
  • 期刊：
    Amino Acids
  • 影响因子：
    3.5
  • 作者：
    Yu, Xiaoqing;Zheng, Xiaoqi;Liu, Taigang;Dou, Yongchao;Wang, Jun
  • 通讯作者：
    Wang, Jun
Accurate prediction of protein structural class using auto covariance transformation of PSI-BLAST profiles
使用 PSI-BLAST 图谱的自协方差变换准确预测蛋白质结构类别
  • DOI：
    10.1007/s00726-011-0964-5
  • 发表时间：
    2012-06-01
  • 期刊：
    AMINO ACIDS
  • 影响因子：
    3.5
  • 作者：
    Liu, Taigang;Geng, Xingbo;Wang, Jun
  • 通讯作者：
    Wang, Jun
Three-unit semicircles curve: A compact 3D graphical representation of DNA sequences based on classifications of nucleotides
三单位半圆曲线：基于核苷酸分类的 DNA 序列的紧凑 3D 图形表示
  • DOI：
    10.1002/qua.23187
  • 发表时间：
    2012-05-15
  • 期刊：
    INTERNATIONAL JOURNAL OF QUANTUM CHEMISTRY
  • 影响因子：
    2.2
  • 作者：
    Li, Yushuang;Qin, Yufang;Zhang, Yu
  • 通讯作者：
    Zhang, Yu
Prioritization of candidate disease genes by topological similarity between disease and protein diffusion profiles.
通过疾病和蛋白质扩散谱之间的拓扑相似性对候选疾病基因进行优先级排序
  • DOI：
    10.1186/1471-2105-14-s5-s5
  • 发表时间：
    2013
  • 期刊：
    BMC bioinformatics
  • 影响因子：
    3
  • 作者：
    Zhu J;Qin Y;Liu T;Wang J;Zheng X
  • 通讯作者：
    Zheng X
Prediction of bacterial protein subcellular localization by incorporating various features into Chou#39;s PseAAC and a backward feature selection approach
通过将各种特征融入 Chou 来预测细菌蛋白亚细胞定位
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    Biochimie
  • 影响因子：
    3.9
  • 作者：
    Liqi Li;Sanjiu Yu;Weidong Xiao;Yongsheng Li;Maolin Li;Lan Huang;Xiaoqi Zheng;Shiwen Zhou;Hua Yang
  • 通讯作者：
    Hua Yang

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

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

郑小琪的其他基金

融合单细胞转录组数据的肿瘤异质性分析方法研究
  • 批准号：
  • 批准年份：
    2019
  • 资助金额：
    60 万元
  • 项目类别：
    面上项目
基于DNA甲基化的肿瘤异质性分析及应用算法研究
  • 批准号：
    61572327
  • 批准年份：
    2015
  • 资助金额：
    63.0 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