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。

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。

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。

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。

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.

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.

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.

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。

脂肪型和瘦肉型猪肌肉生长和脂肪沉积相关基因的差异表达分析和调控网络构建

骨骼肌细胞和脂肪细胞在生长发育过程中受到的微效多基因间的互作调控机制是决定猪胴体和肉质等相关数量性状的分子基础.利用包含140个与猪肌肉生长和脂肪沉积密切相关基因的Oligo功能分类芯片检测了脂肪型的太湖猪和瘦肉型的长白猪在初生及生后5月龄间背最长肌中这些基因的动态表达变化,发现长白猪分别有18和22个基因,太湖猪分别有3和7个基因在月龄间的表达差异达极显著(P<0.01)和显著水平(P<0.05).聚类结果显示先降后升、逐渐上升和逐渐下降、逐渐上升分别是长白猪和太湖猪在初生至5月龄间最具代表性的基因表达模式(P<0.01),其中正调控肌纤维生长和脂肪酸合成的基因主要表现为逐渐上调,而抑制细胞增殖和正调控脂肪酸β氧化的基因则主要表现为逐渐下降.基于动态Bayes模型构建的基因调控网络从一定程度上揭示了两品种在肌肉生长和脂肪沉积等生理生化活动方面的明显差异,可从中挖掘相关性状潜在的关键特征基因.此外,对5个差异表达基因的荧光定量RT-PCR验证显示两种检测方法所获结果的相关系数平均高达0.876±0.095.以上结果筛选出了对于猪胴体和肉质性状可能具有重要影响和具有深入研究价值的基因,为阐明肌肉生长和脂肪沉积的分子互作机制奠定了基础.

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。

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.

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。

不确定基因调控网络的保成本控制（英文）

针对一类含常数时滞的不确定基因调控网络,设计了状态反馈控制器,使得闭环系统鲁棒渐近稳定,并且其线性二次性能指标有上界。基于李雅普诺夫稳定性理论和线性不等式技术,给出保成本控制器存在的充分条件,进而通过求解一个线性矩阵不等式约束的凸优化问题,得到最优保成本控制器。数值实例结果表明,所设计的保成本控制器是有效的。

基因调控网络的模块化组织研究

基因调控网络表现的是大量基因受到转录因子的调控而最终转录翻译为蛋白质进而实现生物功能的复杂信息,是人们理解生物过程和基因功能的重要内容。为了理解基因调控网络中的调控机理,网络的拓扑结构及其组织方式是极其重要的研究内容之一。它不仅能说明网络的局部特征,并且能揭示调控网络的构造方法,同时还能对调控信号通路进行全面系统的分析。调控网络可分为4层结构:调控元件、Motif、模块和整个网络。当前,这种层次结构受到人们越来越多的认可。文中重点讨论motif和模块两层,比较分析了近年来对网络组织结构的多方面研究内容,阐述了各个研究结果与结论具有的生物学意义,并指出了其中存在的问题。在此基础上,文中还针对这些问题提出了可能存在的研究方向,并展望了基因调控网络模块化组织的研究前景。

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。

基因调控网络研究进展

基因调控网络是一种连续而复杂多变的动态网络系统,是细胞内各种信号因子之间相互作用关系的整体表现.近些年来,很多物种全基因组测序的完成、高通量实验技术的发展以及高性能分子生物学工具的应用,使得构建一个复杂和相对完整的基因调控网络成为可能,从而使绘制整个活细胞内各种基因表达的调控网络成为当前研究的热点.作为系统生物学的核心领域,构建和分析基因调控网络将有利于我们更系统地剖析细胞的功能,更深刻地洞见生命的本质.综述关于基因调控网络研究的基本原理和方法,为今后进行更深入的研究和探讨打下良好的基础.

基于加性噪声模型的基因调控网络构建算法

为在统计推断方法通过相关性来筛选基因对时,能够体现调控关系的因果性,受因果定向算法能够有效定向调控关系的启发,将加性噪声模型与因果定向算法相结合,用基于加性噪声的定向算法度量因果关系的程度,提出了一种基因调控网络构建的算法.该算法首先将加性噪声模型的因果定向算法扩展为一个特征选择算法,并通过建立调控因子集合与每个基因间的加性噪声模型来选择基因的调控因子.在DREAM5的3个数据集上的实验结果显示,结果比其他算法有明显提升,该算法可有效构建基因调控网络.