基于单细胞RNA测序数据的基因调控网络推断算法综述

通过基因表达的变化可以推断基因调控网络.单细胞RNA测序(scRNA-seq)为推断细胞周期或分化等时间依赖性生物过程的基因调控网络提供了新的可能性,基于scRNA-seq数据的基因调控网络推断算法成为一个相对活跃的研究方向.本文首先对26种基因调控网络推断算法进行介绍,包括3种针对批量RNA测序数据的推断算法和23种针对scRNA-seq数据的推断算法(基于布尔网络的算法2种、基于微分方程的算法3种、基于伪时序基因相关性集成策略的算法5种、基于共表达基因的算法4种、基于细胞特异性的算法3种、基于深度学习的算法6种),详细描述了每类算法的方法原理和算法优缺点,对算法进行综合比较;然后分析了推断算法比较研究的相关成果,并使用scRNA-seq数据简单评估了26种算法的性能;最后探讨当前基因调控网络推断算法面临的机遇与挑战.

基于t检验和逐步网络搜索的有向基因调控网络推断算法

为了克服基于条件互信息的路径一致算法(PCA-CMI)无法识别调控方向的缺陷,并进一步提高网络推断准确率,提出了一种基于t检验和逐步网络搜索的有向网络推断算法(DNI-T-SRS)。首先,对不同实验条件下的表达数据进行t检验以辨别基因调控的上下游关系,指导路径一致(Path Consensus)算法中条件基因的选取,根据CMI2(Conditional Mutual Inclusive Information)剔除网络中的冗余边,得到了基于t检验的有向调控关系推断算法CMI2NI-T(CMI2-based Network Inference guided by t-Test);然后,建立有向调控关系对应的米氏微分方程模型对数据进行拟合,根据贝叶斯信息准则进行逐步网络搜索以修正网络推断结果。利用CMI2NI-T推断DREAM6挑战中的两个测试网络,所得到的曲线下面积(AUC)分别为0.7679和0.9796,相较于PCA-CMI分别提高了16.23%和11.62%;通过进一步的数据拟合后DNI-T-SRS的推断准确率分别达到了86.67%和100.00%,相较于PCA-CMI分别提高了18.19%和10.52%。实验结果表明,所提DNI-T-SRS算法能够有效剔除间接调控关系并保留直接调控连接,得到精确的基因调控网络推断结果。

一个二维基因调控网络的稳定性和分岔分析

基于动力系统理论分析一个二维基因调控网络的稳定性和分岔。首先,给出系统平衡点存在的条件并分析平衡点的稳定性。其次,分析该系统经历余维1的Hopf分岔、Saddle-node分岔以及余维2的Bogdanov-Takens分岔的条件。最后,用余维1、余维2分岔图和相图验证了理论结果的正确性。

参数全局耦合的基因调控网络建模研究

系统生物学中,基于隐马尔可夫模型的非齐次动态贝叶斯网络(HMM-DBN)能够合理推断出周期性基因表达数据中的调控关系,是重构基因调控网络的重要方法之一。但其通常假设调控参数具有完全独立性(每个时间段的参数需要独立推断),而参数假设(完全独立)等于忽略了自然界生物进化过程的连续性,这会影响网络重构精度。针对上述问题,结合多变点过程,提出了参数全局耦合的HMM-DBN(GCHMM-DBN)。GCHMM-DBN模型通过在HMM-DBN的基础上增加了全局耦合超参数,在所有时间段中共享具有相似高斯分布的噪声方差超参数和信噪比超参数,实现了回归参数的全局耦合,最终提高了基因调控网络的重构精度。在酿酒酵母(酵母)数据集和合成RAF数据集上进行实验,结果表明,与经典的同类型HMM-DBN模型相比,GCHMM-DBN模型拥有更高的基因调控网络重构精度。

非齐次基因调控网络模型研究综述

在生物信息学领域中,基因调控网络的构建至关重要。近年来,非齐次动态贝叶斯网络已成为从基因表达时间序列数据中学习基因调控网络的一种常用建模工具。针对这一研究领域,梳理了基于齐次动态贝叶斯网络的基因调控网络建模方法,并从时间片划分方式和基因调控网络参数学习,综述了近十几年提出的非齐次动态贝叶斯模型,主要内容包括:时间片划分方式,包括自由分配、连续变点过程、离散变点过程以及基于隐马尔可夫的变点过程;基因调控网络参数学习,主要包括顺序耦合参数和全局耦合参数。之后对非齐次动态贝叶斯网络模型的性能进行了分析,着重介绍了这些模型对于基因调控网络建模的准确性和可靠性,以及模型之间的区别与联系。最后指出了基因调控网络构建的困难和挑战以及非齐次动态贝叶斯网络模型未来的一些研究方向。

参数边缘耦合条件下的基因调控网络建模研究

针对基于隐马尔科夫模型的非齐次动态贝叶斯网络(HMM-DBN)中因基因调控作用强度过度灵活而造成的网络重构精度降低的问题,提出了用参数边缘耦合方式改进HMM-DBN的方法。首先对基因调控数据进行时间分段;其次利用边缘耦合算法判断当前分段是否应该与前一段的信息交互;再次根据是否进行信息交互判断每个分段的回归参数是否耦合,结合回归参数和时间分段推断基因调控关系;最后重复上述过程直到MCMC(马尔科夫链蒙特卡洛算法)迭代完成,输出网络结构。改进后的HMM-DBN在酵母数据集与合成RAF(RAF原癌基因丝氨酸/苏氨酸-蛋白激酶)数据集上的实验结果显示,其网络重构精度达到了0.76以上,证明了该方法的有效性。

基于回归理论恢复基因调控网络

基因之间的调控关系隐含在基因表达数据里,需要分析该数据从而揭示基因调控网络的拓扑结构。由于静态基因表达数据的样本较少,因此本文提出基于距离相关性扩充样本数据量的方法。接着,本文提出恢复基因调控网络拓扑结构的方法,基于距离样本数据根据回归理论建立基因调控网络线性回归模型,对模型应用最小二乘估计和假设检验判断基因之间是否存在调控关系。此外,提出可以控制假阳性的方法,利用统计检验控制错误发现率提高模型预测的准确性。最后,在DREAM3数据集上验证方法的可行性。

南京大学、浙江大学和扬州大学整合单细胞转录组大数据解析植物lnc RNA基因调控网络

2023年9月15日,南京大学医药生物技术全国重点实验室、生命科学学院陈迪俊团队联合扬州大学左示敏团队和浙江大学陈铭团队在《Plant Communications》上发表了题为“Single-cell transcriptome analysis dissects lncRNA-associated gene networks in Arabidopsis”的研究论文。该研究通过整合分析已发表单细胞数据绘制了拟南芥幼苗期的细胞图谱,在此基础上解析了lncRNA的基因表达异质性及基因调控网络。

产品基因调控网络模型及其对设计过程的辅助

基于图论建立一种描述该映射关系的模型,借用基因调控网络的部分概念,以设计要素为节点、以要素间的相关关系为边,建立产品的基因调控网络模型并绘制其基因调控网络图。通过基因调控网络图对产品中的众多设计要素进行分类,并识别其节点类型与节点集团,作为析出知识供设计师规划设计活动。基于交互式遗传算法开发了产品方案优化设计原型系统,并利用基因调控网络的知识发现辅助安排优化程序,制订优化搜索策略。基于纯净水瓶的参数化模型对基因调控网络的设计辅助作用进行了验证。

基因调控网络模型构建方法

基因调控网络的研究从基因之间相互作用的角度揭示复杂的生命现象,是功能基因组学研究的重要内容,也是当前生物信息学研究的前沿。基因芯片技术在生物信息学中的应用为基因调控网络的研究提供大量可供研究与分析的基础数据。本文介绍了基因调控网络的起源与近年来的发展情况,详细说明了基因调控网络构建的前提与基本原理,并分析几种经典调控网络模型:布尔网络模型、线性及非线性模型和贝叶斯网络模型,阐述各种模型构建的基本原理和算法,结合基因芯片的数据特点,探讨各种模型的优缺点及其适用情况,对各种网络模型进行分析与总结。

相关分析在建立基因调控网络中的应用

目的 讨论利用模糊相关系数建立基因调控网络。并从理论和实际应用的角度和其他相关系数方法进行相互比较。方法 以基因表达数据矩阵为出发点 ,用相关系数描述基因之间的相互关系 ,并在某一阈值下 ,建立起基因调控网络图。结果 用模糊相关系数对RatCNS数据集建立起调控网络图。结论 通过分析发现相关系数是构建基因调控网络的一个有效的工具。但不同的方法有其各自的特点 ,应根据不同情况采用不同的方法。

一种用于基因调控网络建模的CGP-WPSO混合算法

依靠基因调控网络来预测农作物的表现型,对于保障全球的粮食安全有着极其重要的意义。提出了一种基于笛卡尔遗传规划(Cartesian genetic programming)和线性递减惯性权重粒子群优化(linear decreasing inertia weightparticle swarm optimization)的混合算法,用于基因调控网络的建模。进一步,为了验证算法的有效性,将算法应用于拟南芥开花调控系统的模型重建问题。最后通过计算机仿真实验表明,该算法能够根据农作物的基因型和环境情况,重建出能够较精确地预测农作物表现型的基因调控网络模型。

基因调控网络的控制:机遇与挑战

众所周知,基因调控网络(Genetic regulatory networks,GRNs)是一类基本且重要的生物网络.基因调控网络可以通过输入、噪声、参数以及正负反馈等进行功能的鲁棒性调节与控制.本文首先简要回顾了基因调控网络控制方面的若干研究进展,然后提出了一些与控制相关的基因调控网络的基本科学问题.基因调控网络的控制以生命科学为背景,以控制理论为理论基础.过去几十年,控制论的基本思想与方法逐步渗透到基因调控网络的研究中.同时,来源于生命科学的控制问题也为我们提出了新的机遇与挑战.基因调控网络的控制对生命科学中困扰人类的基本问题,如延长寿命、治愈癌症、糖尿病等顽疾有着非常重要的现实意义.此外,基因调控网络控制研究对合成生物学、网络医学、个性化医学等相关学科的发展具有潜在的应用价值.

基于复杂网络的时延基因调控网络构建

借鉴复杂网络的分析思想和方法,采用规范化Laplace矩阵和K均值聚类法对基因调控网络进行多社团划分,同时给出每个社团内部和社团之间基因的相互作用情况.另外,为反映基因之间真实的相互作用过程和提高建模精度,在社团划分之前,采用时间序列谱分析法对基因表达时延进行精确估计.酵母细胞周期基因调控关系分析的实验结果表明,本文所提方法能更准确地反映基因之间的相互作用过程和提供基因调控模型的细节.

具有区间时滞的离散时间基因调控网络稳定性研究

针对具有随机干扰和区间时滞的离散时间基因调控网络(GRNs),基于Lyapunov稳定性定理,利用改进型自由权矩阵方法研究其时滞相关稳定问题.通过考虑时变时滞、时滞上界及它们的差三者之间的关系,同时保留增广Lyapunov-Krasovskii泛函差分中的所有有用项,获得一种更低保守性的时滞相关渐近稳定新判据.最后,给出仿真实例验证本文方法的有效性及相比已有方法的优越性.

几何模式动态贝叶斯网络推理基因调控网络

针对趋势相关(两基因在其表达水平随时间上升与下降的变化趋势上相关)关系在重建基因调控网络中十分重要却尚未被挖掘利用的问题,提出了几何模式动态贝叶斯网络(Gp-DBN)方法.Gp-DBN将每个基因的表达数据转换为一个几何模式,依据几何模式确定潜在的调控子和调控时滞,并通过推理这些几何模式之间的相关关系来发现基因间的调控关系.该方法解决了挖掘具有趋势相关的基因调控关系的问题,能够很大程度地提高重建的基因调控网络的性能.对Yeast和E. coli基因数据的实验结果表明无论是在无先验知识还是在有先验知识时Gp-DBN重建的基因调控网络的性能都比传统的动态贝叶斯网络方法有大幅度提高.

基于混合并行遗传算法和阈值限定法的基因调控网络构建

为了解决传统基因调控网络构建算法准确度不高的问题,提出了一种基于混合并行遗传算法和阈值限定法的新型基因调控网络构建算法。该算法分缩小解空间和参数拟合两部分,缩小解空间阶段先用奇异值分解法限定数学上可行的基因调控网络,减少不必要计算,然后用阈值限定法将每个基因的控制基因限定到一定规模,提高计算效率的同时更合乎生物信息学规则。参数拟合部分先用并行遗传算法在整个解空间快速寻优,而后采用爬山法进行小范围细致求解,提高计算精度。实验部分将本文算法应用于人类复杂疾病的皮肤黑色素瘤和2型糖尿病基因调控网络的构建上。本文计算结果与真实网络作对比,验证了本文算法的有效性。同时将本文计算结果与传统遗传算法,粒子群算法进行比较,证明本文算法具有更高的执行效率。

基因调控网络的生物信息学研究

DNA微阵列技术和蛋白质质谱技术为基因调控网络的研究提供了可能的技术装备 .基因调控网络的研究试图以系统的观点为出发点 ,从基因之间相互作用的角度揭示复杂的生命现象 .基因调控网络是功能基因组学研究的重要内容 ,也是当前生物信息学研究的前沿 .本文着重从生物信息学的角度对基因调控网络的研究从源起

时滞基因调控网络的全局渐进稳定性分析

针对一类时滞基因调控网络的全局渐进稳定性进行了研究,利用Lyapunov泛函、线性矩阵不等式(LMIs)和自由权值矩阵(free-weighting matrices)技术,得到了一些新的时滞相关的基因调控网络稳定性充分条件。通过在Lyapunov泛函中使用辅助矩阵E,并对调控函数条件一般化,取得的结果具有较少的保守型和更广的适用性。该结果为人工设计基因芯片提供一定的参考作用。仿真示例进一步验证了结论的有效性。

基于基因调控网络的复合驱动关节时空耦合模型

针对形状记忆合金—电机复合驱动关节时滞非线性和多因素耦合影响关节运动精度的问题,提出一种以生物基因调控网络为基础的时空耦合模型。通过研究细胞的基因调控模型,分析了复合驱动关节位姿与力的反馈信息对关节运动状态的影响,结合基因调控网络的反馈机制和时空耦合特性,构造了复合驱动关节调控模型并推导出复合驱动关节俯仰运动和旋转运动的动力学方程。研究结果表明,基因调控网络时空耦合控制模型减小了关节俯仰和旋转运动的位置误差和速度误差,提高了运动控制精度。