pathway预测方法研究

生物信息学中的pathway预测研究对于理解生命系统中的生物过程以及疾病早期诊断方面具有十分重要的意义。本项目通过pathway元素识别和pathway结构图的构建两个阶段来研究pathway预测方法，并将图方法、聚类分析和统计学习理论等机器学习方法引入到pathway预测研究中，通过提出新的模型和算法来实现pathway的自动识别。在pathway预测中融合operon和regulon信息，进一步修正预测结果，从而提高预测的准确率；使用紧聚类方法预测pathway，能够达到很好的容噪效果和在海量的基因表达数据里准确找到pathway对应的基因簇；使用pathway比对来挖掘模板pathway的共有结构模式，进而有效地进行pathway模板匹配。通过以上创新方法的研究，将促进系统生物学的应用基础研究，从而加快pathway预测的实用化和商业化的研究进展。