肺癌关键基因筛选及预测模型的研究

为了识别肺癌发展过程中的关键基因,揭示其发展的潜在机制,得到肺癌的预测模型,从GEO(Gene Expression Omnibus)数据库下载了基因芯片GSE19188和GSE40791进行研究。首先对基因表达数据分析得到805个同趋势差异表达基因(differentially expressed genes, DEGs),构建特异蛋白质交互(protein-protein interaction, PPI)网络。再通过基因在网络中的度和表达偏差得分乘积筛选出209个肺癌发展的关键基因。关键基因在11条细胞通路中显著富集,根据这些通路的差异得分可以清楚辨别癌症样本和正常样本。最后利用通路中18个串话基因结合支持向量机算法建立肺癌的预测模型。经测试模型分类准确性达到97%,表明这18个基因作为肺癌预测基因有较好的稳健性和敏感性,可作为肺癌的预测标记物和化疗的靶点。

基于Logistic增长、药物治疗和潜伏感染的HIV模型研究

本文根据HIV在感染者体内的感染过程,建立具有Logistic增长、药物治疗和潜伏感染的HIV动力学模型来模拟感染过程中病毒颗粒、T细胞和药物治疗之间的相互关系;然后运用微分方程的稳定性理论,对模型进行全局动力学分析;最后建立对比模型,分析得到了更真实的HIV感染过程,进而研究HIV的感染机理。

基于潜伏感染和药物治疗的HIV动力学模型

本文根据HIV在感染者体内的感染过程,建立具有潜伏感染的HIV动力学模型,来模拟感染过程中病毒颗粒、T细胞和药物治疗之间的相互关系。在模型中考虑潜伏感染细胞以一定比率恢复到易感染细胞的情况,以及药物治疗的影响,建立相关的病毒动力学模型。然后运用微分方程的理论和求解方法,对不同类的模型进行全局动力学分析。从而研究HIV的感染机理、传播途径和防治策略。