多组学数据驱动的机器学习模型在乳腺癌生存及治疗响应预测中的应用

乳腺癌的高度异质性导致其治疗及预后评估较为复杂。治疗方案的选择受到肿瘤亚型、病变分级、基因型等多种因素的影响,因此需要制定个体化治疗策略。患者的预后效果因病情不同而产生显著差异。作为人工智能的一个重要分支,机器学习能高效处理海量数据,并实现决策过程的自动化。机器学习方法的引入将为乳腺癌治疗的选择和预后评估提供新的解决方案。在癌症治疗领域,传统方法预测生存与治疗效果往往依赖于单一或少量的生物标志物,难以全面捕捉复杂的生物学过程。机器学习通过分析患者的多组学数据以及它们在疾病发生发展过程中复杂的变化趋势,预测患者的生存和治疗响应效果,从而选择适合的治疗措施,实施早期干预,改善患者的治疗效果。本文首先介绍了常用的机器学习方法,在此基础上分别从评估生存情况和预测治疗效果这两方面展开,详细分析了机器学习在乳腺癌患者生存预测及预后领域中的应用,以期为乳腺癌患者提供精准医疗治疗策略,提高治疗效果和生存质量。

结合基因关联和转录组分析鉴定小麦成株期抗条锈病位点YrZ501-2BL的候选基因

【目的】小麦条锈病是小麦的主要病害之一,每年都会对小麦产量安全造成严重危害,挖掘小麦抗条锈病基因,为小麦抗条锈病种质创新和揭示小麦抗条锈病遗传机制奠定基础。【方法】利用多组学手段结合全基因关联分析(GWAS)开展对小麦成株期抗条锈病性状的解析。首先对411份来自CIMMYT和ICARDA的春小麦进行全基因组关联分析,在小麦2BL染色体上定位到一个主效的成株期抗条锈病位点,并利用含有该位点的抗病材料Z501及感病亲本晋麦79的双亲群体进行连锁作图,成功验证了该位点抗性的稳定性,暂命名为YrZ501-2BL。在此基础上,通过基因注释、比较基因组分析、转录组分析和候选基因的关联分析对目标区间筛选候选基因。【结果】综合GWAS和连锁作图结果,将YrZ501-2BL锁定在小麦2B染色体0.26 Mb(575.706—576.587 Mb)范围内,根据中国春参考基因组注释信息分析,该区间含有12个基因,其中,高可信基因6个;利用在线网站,将目标区间所在的中国春参考基因组与其他已公布的不同倍性小麦基因组进行比较,发现该区间的6个高可信小麦基因基本都能在其他小麦材料中找到同源基因,且基因排列顺序相同,说明该区间可能不存在较大片段的插入、缺失、倒位等现象,可以利用参考基因组信息进行候选基因预测;结合抗病亲本Z501和感病亲本晋麦79的成株期接种条锈菌后的转录组数据,发现只有TraesCS2B02G406400、TraesCS2B02G406500和TraesCS2B02G406600受诱导表达,且抗感病亲本存在表达差异。根据中国春基因组注释,三者分别编码GATA转录因子、SH3P2蛋白和锌指蛋白。通过进一步的候选基因关联分析,发现只有SH3P2蛋白中存在与条锈病表型显著性差异的SNP位点(G/A),虽然该位点(G1369A)在2个可变剪切的转录本中均未引起氨基酸编码变化(TCG和TCA均编码丝氨酸),但可能与可变剪切有关,同时该位点(G1369A)的不同单倍型表型之间也存在极显著差异,进一步分析发现,在G1369A位点下游还有2个引起氨基酸改变的变异位点G1377A和G1431A,分别引起缬氨酸(GTT)到异亮氨酸(ATT)和缬氨酸(GTG)到甲硫氨酸(ATG)的改变,但这两个位点在455份重测序材料中所占比例只有0.87%,属于稀有变异,因此,未进行显著性检验。综上,推测TraesCS2B02G406500为YrZ501的重要抗病候选基因;此外,针对YrZ501候选区间的差异SNP开发了相应的AQP标记,可用于辅助选择,为下一步小麦抗锈病分子育种应用提供了标记资源。【结论】利用多组学整合关联分析的方法,成功在小麦2B染色体上挖掘到1个抗条锈病候选基因TraesCS2B02G406500。

基于多维组学的冠心病遗传研究进展

冠心病(CHD)是心血管疾病的重要分支,也是心血管疾病导致死亡的主要原因。随着基因检测技术的快速发展,依托各组学技术研究可以获取CHD遗传信息,从而进行CHD的预测、诊断、治疗。基于多组学的相互交融,可以深入研究CHD的遗传基础,进行风险预测及目标识别,进而降低CHD的患病率及死亡率。CHD转录组学研究已发现该疾病的早期诊断生物标志物并经临床研究验证,而CHD多组学研究也将对CHD疾病机制进行多维度解读。在总结前人的CHD相关成果基础上,构建并整合基因库、转录组学库、蛋白质组学库等融合分析可以为遗传研究提供借鉴,探索新方向,实现新突破。CHD多组学分析能够进一步明确CHD疾病遗传机制并提供风险评估。尽管CHD的不同组学已经有相关研究报道,然而多组学联合分析尚未进行深入研究探讨。本文将统筹多组学对CHD疾病进行深入探讨。

融合生物学通路的变分自编码器在肺癌蛋白与代谢组学数据中的应用研究

目的本研究提出了融合生物学通路的变分自编码器(variational auto encoder,VAE),对蛋白质与代谢组学数据进行整合分析,并应用于肺腺癌患者探索可能的病理机制。方法为VAE的隐变量层节点赋予通路的实际意义,解码器按通路包含的生物学分子信息构建稀疏神经网络,使通路节点只与自身包含的分子连接,将隐变量作为提取的高级特征。对隐变量进行Kmeans聚类分析并使用调整兰德系数评估效果,引入基因差异表达分析方法limma探索差异表达通路,在北京大学人民医院胸外科肺腺癌患者的蛋白质与代谢组学数据中进行实例分析。结果融合生物学通路的VAE提取的高级特征不仅将聚类准确度提高了38%,还通过差异表达分析鉴别出了实性与亚实性结节肺腺癌间的差异通路。结论融合生物学通路的VAE可用于组学数据整合分析,其提取的高级特征具有通路表达活性的实际生物学意义。

整合组学分析在骨肉瘤生物标志物筛选中的应用

目的建立整合组学分析方法以筛选骨肉瘤早期诊断的生物标志分子。方法分别采用基因芯片和SELDI．TOF-MS技术筛选候选的骨肉瘤标志基因和骨肉瘤血清标志物。运用Link-test统计学方法对基因芯片和SELDI-TOF-MS数据进行整合分析，提取骨肉瘤早期诊断的候选标志分子。结果基因芯片在骨肉瘤细胞系中筛选到653个候选骨肉瘤标志基因；SELDI-TOF-MS技术在骨肉瘤患者血清中检测到6个差异显著的候选质谱峰标志物。利用Link-test整合分析一共鉴定出13个候选的骨肉瘤标志分子。结论整合组学分析法是一个稳定有效的筛选骨肉瘤早期诊断标志分子的方法，可以作为骨肉瘤早期诊断的监测平台。

多组学大数据整合分析揭示早期胚胎发育过程中基因表达调控信息的变化规律

目的:探究哺乳动物早期胚胎发育过程中基因表达调控信息的变化规律。方法:收集小鼠早期胚胎发育各时期的RNA-seq,ATAC-seq,MethylC-Seq和H3K4me3 ChIP-seq数据进行整合分析,观察小鼠早期胚胎发育各时期转录因子表达量的变化,计算各时期基因表达量与转录因子结合位点数量及染色质可及性的相关性,筛选各时期表达量前10%的基因,统计其表达量和转录因子占比,并进行启动子可及性分析。根据前期报道的转录因子三节点调控网络,对早期胚胎各时期转录因子调控网络的富集模式进行分析。根据多组学数据分析结果,推测早期胚胎发育调控过程中转录因子和表观遗传修饰信息的共调控模型。结果:转录因子数量和调控关系变化以及染色质可及性、DNA甲基化修饰、组蛋白修饰等表观遗传修饰共同调控早期胚胎发育各时期的基因表达,这些因素在不同时期发挥不同程度的调控作用。结论:转录因子和表观遗传修饰在早期胚胎发育过程中动态调控基因表达。