基于高通量数据与复杂网络的小肽功能预测算法

近期,基因组、转录组和蛋白组学研究发现了成千上万个已翻译但未被注释的小开放读码框(smORFs)。这个发现填补了蛋白编码基因的空白。研究结果表明,许多smORFs翻译的小肽在代谢、细胞凋亡和发育过程中有着重要的作用。这些进展就提出一个问题,在全基因组范围内到底还有多少类似的smORFs及小肽具备功能?目前,尚未有生物手段能够在全基因组范围内进行研究小肽功能。本研究提出了一种基于高通量数据和复杂网络的全基因组范围小肽功能预测算法。算法利用小肽在多个组织中转录及翻译的表达向量,比较蛋白在相同组织中的表达情况,构建小肽与蛋白相关关系网。研究将表达相关关系和同源关系联合,构成复杂网络,然后采用基于模块(module)和基于中枢(hub)两种方法,提取典型的、有显著意义的功能子网,然后将子网的功能富集赋予子网中未知功能的小肽。该方法在三个320不同的仿真未知功能的蛋白节点集上进行测试,预测率为89.1%。最后,该方法应用在真实测序数据中,共鉴定出500多个有功能的功能小肽,文章将预测结果与现有的小肽功能报道做了比较,结果表明算法预测结果与实验验证结果基本一致。

玉米育种中高通量数据采集技术的利用与展望

作物育种技术正在从经验科学向精确科学发展,育种家需要用性状表现型数据和基因型数据建立表现型和基因型之间的因果联系。作物性状表现型数据的获取已成为制约精确育种的首要障碍,急需创新突破。经过育种家与数据科学家及工程师的不懈努力,作物育种高通量数据采集技术逐步发展完善,使作物生长发育动态非破坏性数据采集成为可能,为精确育种的发展奠定了基础。

基于高通量数据的人体外源性植物miRNA跨界调控建模

以基于人体血清的高通量测序数据为研究对象,采用生物计算方法对数据进行分析,以目前已知的人类和植物的RNA数据作为参照集,从中筛选出可能的人体外源植物miRNA;基于miRNA的调控机制原理,获得可能的植物miRNA干扰人类mRNA的靶基因;构建植物miRNA-人类mRNA调控网络模型,分析可能的跨界调控作用。本文通过构建植物-人体跨界调控模型,共挖掘出9个核心模块。研究结果表明,外源性植物miRNA参与调控人体胺代谢、酒精代谢以及脂肪酸代谢等生物过程。

星地空分复用高通量数据传输技术

未来卫星互联网对星地之间通信速率提出了更高的要求,但当前星地单通道传输模式存在着很多限制,很难进一步提高传输速率,这种限制主要包括频率资源、器件能力、计算能力等。针对资源受限情况下,卫星互联网等新型应用对星地高通量数据传输的需求,提出一种空分复用星地高通量数据传输解决方案,给出了系统总体架构、帧结构、空间解复用及信道均衡方法等,估算了所需计算资源,在频率资源、器件能力受限情况下,可方便实现40 Gbit/s及以上的高通量传输速率。

乳腺癌中靶向抑制REST协阻抑制因子3表达的微小RNA的预测及其高通量数据验证

目的预测并采用高通量数据验证乳腺癌中靶向抑制REST协阻抑制因子3(RCOR3)基因表达的微小RNA(miRNA)。方法分别利用RNA22、miRanda、PicTar、TargetScan和PITA 5种不同软件预测靶向抑制RCOR3基因表达的miRNA,然后取其交集。通过高通量数据验证所获miRNA对RCOR3表达的负向调控作用,并经泛癌症分析进一步验证miRNA对RCOR3表达的抑制作用。结果取交集后得到miRNA-128-3p、miRNA-27a、miRNA-27b和miRNA-19b-3p。乳腺癌中miRNA-128-3p、miRNA-27a、miRNA-27b及miRNA-19b-3p与RCOR3基因表达水平均呈负相关(P <0. 05)。泛癌症分析结果显示,结直肠腺癌、肺腺癌、肾透明细胞癌和子宫内膜癌中miRNA-128-3p与RCOR3基因表达均呈负相关(均P <0. 05),结直肠腺癌、膀胱尿路上皮癌、肺腺癌、肺鳞癌、肾透明细胞癌、子宫内膜癌和急性髓性白血病中miRNA-27a与RCOR3基因的表达均呈负相关(均P <0. 05)。结论乳腺癌中miRNA-128-3p和miRNA-27a、miRNA-27b及miRNA-19b-3p具有潜在的靶向抑制RCOR3表达的功能。

基于高通量监测数据的PMF源解析数据输入量研究

为探究数据输入量的变化对源解析结果的影响,以上海某工业区的大气重金属高通量监测数据为例,按不同数据量将监测数据分别输入至正定矩阵因子分解(Positive Matrix Factorization, PMF)模型中,通过考察模型中Q理论值(Qtheo)与Q计算值(Qtrue)的接近程度、源分类以及源贡献与研究区污染源分布特点的吻合情况,分析数据输入量对源解析结果的影响。结果显示:该区域大气重金属污染受工业生产主导(64.44%),其次是扬尘(19.60%)和交通运输(15.96%)。通过对数据量的考察,发现输入量为60~120时能够得出研究区域的污染源数量与贡献率,但考虑到测试成本、获取数据的时间,认为输入量为60~80时,也能得出合理的源解析结果。短期高通量的分钟级数据集,有益于PMF模型输出高精密度、高时效性的源解析结果,是解决应急污染监控的最佳手段。

基于高通量基因表达数据库及生物信息学对坐骨神经痛差异表达基因的分析研究

目的基于高通量基因表达(GEO)数据库及生物信息学筛选坐骨神经痛相关差异表达基因(DEGs),分析其生物学功能,为临床治疗坐骨神经痛提供参考。方法通过GEO数据库获取坐骨神经痛基因芯片(GSE124272)数据集,经仙桃学术软件异质性分析获取坐骨神经痛相关DEGs,对坐骨神经痛相关DEGs进行基因本体论(GO)、京都基因与基因组百科全书(KEGG)的通路富集分析。借助Cytoscape软件实施蛋白质互作网络(PPI)分析获取关键基因,经转录因子调控网络专用数据库(TRRUST)确定关键基因的主要调节转录因子及相应的调节关系。结果415个坐骨神经痛相关DEGs经PPI分析共获取15个关键基因,经TRRUST确定共12个TF协同参与检查点激酶1(CHEK1)、含杆状病毒IAP重复序列蛋白5(BIRC5)、细胞周期蛋白B2(CCNB2)、胸苷酸合成酶(TYMS)、细胞周期蛋白B1(CCNB1)关键基因的调控。结论CHEK1、BIRC5、CCNB2、TYMS、CCNB1可作为坐骨神经痛的新治疗靶点和预防标志物。

基于LabVIEW的高通量角度数据处理方法

为实现高精度和高吞吐率动态角度数据采集,提出一种新型角度数据处理方法。以圆光栅测角原理为基础,基于LabVIEW环境开发了一套专用的角度采集系统,搭建了高吞吐率动态角度数据采集平台;通过分析角度数据采集过程和处理方法,解决了角度数据处理过程中可能遇到的问题,实现了现场可编程逻辑门阵列(field programmable gate array,FPGA)模块中角度采集的全双工同步串行总线通信(basic interoperable scrambling system,BiSS)协议解码,建立了角度误差模型,并对该动态角度数据采集系统进行了静态试验。结果表明:FPGA静态端与实时(real time,RT)系统静态端测试数据较稳定,角度数据信息保存完整,未出现数据丢失情况。

复旦大学附属儿科医院高通量测序数据分析流程(第二版)对遗传疾病候选变异基因筛选用时和准确性分析

目的本研究旨在比较和分析复旦大学附属儿科医院(我院)分子诊断中心(本中心)2015年建立的高通量测序数据分析和临床诊断流程(复旦流程1.0)及其升级后的流程(复旦流程2.0)的临床应用效果。方法以复旦流程1.0和2.0对本中心新生儿重症监护病房送检行二代测序分子诊断的连续样本,进行初步数据分析结果、流程用时和准确性的比较和分析,并以典型病例具体说明复旦流程2.0的主要特点。结果 2017年11月7~14日取得家属的知情同意的、行临床外显子检测的112例进入本文分析,初步数据分析结果的比较,进入人工数据审核的变异数量,复旦流程1.0平均210个,复旦流程2.0平均25个;完成112例从样本送达测序完成到初步报告形成时间,复旦流程1.0为78.8 h,复旦流程2.0为19.8 h;与人工审核后阳性结果判读符合率为63.6%(7/11),阴性结果判读符合率为84.2%(85/101)。结论复旦流程2.0可以更加快速、准确和自动地进行大样本量的数据分析,可以用于临床大样本量的高通量数据分析及解读。

高通量数据分析CXCL8在宫颈癌中组织表达与预后关联分析

目的CXCL8在多种肿瘤中异常表达,参与肿瘤的发生发展,但在宫颈癌中的表达及预后情况鲜见有报道。本研究旨在探讨CXCL8在宫颈癌组织中的表达情况及其与肿瘤患者预后的相关性。方法利用GEPIA在线数据库(包括TCGA和GTEx RNA测序表达数据)和从GEO数据库中下载的三套基因表达谱芯片数据,分别分析CXCL8基因在宫颈癌组织及正常对照组织中的表达情况。运用GEPIA数据库分析CXCL8表达对宫颈癌患者预后的影响。使用表达谱数据对CXCL8基因进行ROC曲线分析,评价该基因的诊断价值。结果GEPIA数据库在线分析结果显示,宫颈癌组织中CXCL8基因高表达,在正常对照组织中低表达,差异有统计学意义,log2(Fold Change)=3.827,P<0.001。在GSE7803、GSE9750和GSE63514三套表达谱芯片数据中,CXCL8基因在肿瘤组织中均显著上调表达(t值分别为4.486、8.294和4.593,均P值<0.001)。通过GEPIA在线分析,CXCL8高表达患者总生存期短于低表达患者(HR=2.9,P<0.001)。受试者工作特征曲线(receiver operating characteristic curve,ROC)分析提示CXCL8基因具有较高的诊断价值。结论通过对高通量数据挖掘发现,CXCL8在宫颈癌组织中mRNA水平表达上调,且高表达与患者生存期缩短有关联,可以作为宫颈癌预后的生物标志物进一步研究。

高通量数据分析急性髓系白血病关键节点基因及预后关联分析

目的急性髓系白血病(acute myeloid leukemia,AML)是世界上常见的白血病之一,但其分子机制尚不清楚.本研究旨在利用多个AML数据集获得差异表达基因(differentially expressed gene,DEG)鉴定AML发生和进展中的关键基因.方法从基因表达综合数据库(Gene Expression Omnibus,GEO)下载AML微阵列数据集(GSE24395、GSE30029、GSE38865和GSE90062).鉴定DEGs并进行功能富集,构建蛋白质-蛋白质相,使用Cytoscape进行模块分析获得关键基因(Hubs),并结合癌症和肿瘤基因图谱(Cancer Genome Atlas,TCGA)临床数据进行生存及表达分析.结果共鉴定出134个DEG (fold chang>1,P<0.01),基因富集分析涉及RNA聚合酶Ⅱ启动子转录的正调控(c=17.967,P=0.011)、中性粒细胞脱颗粒(c=18.625,P=0.017)、整合素介导的细胞黏附调节(c=17.862,P=0.017)、中性粒细胞介导的免疫(c=17.624,P=0.017)和癌症中的转录失调(c=14.786,P=00.031)等.鉴定了16个Hub基因,TCGA临床数据表达分析提示,CYBB(t=0.368,P=0.012)和CYFIP2(t=2.097,P=0.038)在AML的不同生存状态中异常表达.生存分析显示,SERPINE1(P=0.031)和ITGAM(P=0.049)可能参与了AML侵袭或复发.结论 DEG和Hub分析筛选基因有助于理解AML发生和进展的分子机制,为AML的治疗及预后判断提供候选靶点.

基于高通量基因表达数据库开发骨肉瘤预后相关的微小RNA研究

目的筛选骨肉瘤失调微小RNA(microRNA),构建多基因预后模型,探索骨肉瘤的关键microRNA治疗靶标。方法通过高通量基因表达数据库(gene expression omnibus, GEO)中的GSE28423数据集,筛选相对于癌旁正常组织和骨肉瘤组织中的差异microRNA,并利用GSE39040数据集中的临床信息,分析这些差异microRNA对预后生存的影响;对关键microRNA的靶基因进行功能富集,探索关键microRNA的功能,构建基于关键microRNA的预后预测模型。结果共获得共166个差异microRNA,其中70个下调,96个上调(P<0.05),其中有3个microRNA对患者的总体生存率以及预后有显著影响(P<0.05),分别是hsa–miR–1、hsa–miR–153和hsa–miR–487b。构建由hsa–mi R–1、hsa–miR–153和hsa–miR–487b共同组成的预后预测模型,ROC结果显示该模型具有良好的预后预测性能(AUC=0.842 8,95%CI:0.741 7~0.943 9,P<0.000 1);功能富集分析也提示,hsa–miR–1、hsa–miR–153和hsa–mi R–487b所调控的靶基因,富集于细胞增殖、凋亡和上皮间充质转化等多个与肿瘤相关的功能(P<0.05)。结论has–mi R–1、has–miR–153和has–miR–487b可能在骨肉瘤的发生发展过程中发挥重要作用,并有望成为骨肉瘤生物分子标志物及治疗靶点。

基于GEO和TCGA数据库筛选恶性胸膜间皮瘤免疫治疗疗效预测关键基因

目的探索免疫治疗在恶性胸膜间皮瘤(malignant pleural mesothelioma,MPM)中免疫疗效相关关键分子及其可能的机制。方法2018年7月至2020年7月,纳入GEO数据库中GSE117358的表达谱进行分析;首先,根据是否对免疫治疗是否有效分为两组:免疫治疗反应组和免疫治疗无反应组,同时分析两组之间差异有统计学意义基因;其次,分析两组差异有统计学意义基因在基因本体(gene ontology,GO)生物学行为及京都基因与基因组百科全书(Kyoto encyclopedia of genes and ge‐nomes,KEGG)富集信号通路等方面的差异;最后,对差异有统计学意义基因构建蛋白-蛋白互作网络,筛选在生物学行为中的重要模块及关键基因,并对关键基因在TCGA数据库中进行整合分析验证。结果在免疫治疗反应组(12个样本)及免疫治疗无反应组(12个样本)中共筛选出1025个差异基因,相对于免疫治疗无反应组,在免疫治疗反应组中有782个上调和243个下调基因。GO和KEGG分析显示,这些差异基因的功能主要集中在细胞因子受体通路、细胞黏附通路、T细胞受体通路及NFkappa B信号通路等;在蛋白-蛋白互作网络分析中,筛选出节点度最高的10个核心基因包括Tnf,Il6,Ptprc,Csf2,Cd86,Cxcl9,Sell,Cxcr3,Ccl2,Cd40。TCGA数据库整合分析显示,Tnf,Il6,Cd86,Cxcl9,Sell,Cxcr3,Cd40等疗效相关关键基因在肉瘤样胸膜间皮瘤中呈现相对高表达,且差异有统计学意义。结论核心基因Tnf,Il6,Ptprc,Csf2,Cd86,Cxcl9,Sell,Cxcr3,Ccl2,Cd40有望成为预测MPM的分子标志物及治疗的潜在靶点。

野生动物鸣声数据管理系统设计与实现

为了有效管理野外采集的高通量长时间序列野生动物鸣声数据,设计野生动物鸣声数据管理系统的总体架构与主要功能模块,提出文件分级管理体系用于统一管理原始音频文件与处理结果文件,并进行系统主要功能的开发。系统有效保持了声音数据的完整性,在对数据进行层次化管理的基础上提供了高效的检索能力,能够满足相关领域研究中对数据有效利用的需求。

生物信息学分析对于肿瘤学硕士研究生培养的意义

医学研究生教育的目标,是培养出具备较高临床诊疗水平和科研水平的医学生。然而,临床实践与科研实践往往难以兼顾,是目前医学研究生教育中面临的难题。肿瘤发生的原因,往往是由于基因的突变或表达异常。近年来,测序、芯片等高通量检测技术的普及,为肿瘤学研究提供了海量的数据。采用生物信息学的方法,对高通量数据进行分析,可以预测或证明肿瘤发生发展的分子机制,从而为肿瘤学研究提供了一种全新的策略,显著提高了肿瘤学研究的效率。将生物信息学分析,引入肿瘤学研究生的培养模式中,有助于让研究生在完成临床实践要求的前提下,仍然能够实现科研素养的提升,从而有效解决肿瘤学研究生教育中面临的临床实践与科研实践的时间分配难题。

基于GEO数据库结合CT影像预测肺癌临床分期的分子标志物及其诊断预测模型的建立

目的基于高通量基因表达(GEO)数据库结合CT影像预测肺癌临床分期的分子标志物,并建立相应的诊断模型及预测列线图。方法从GEO数据库中获取小结节肺癌患者包括训练队列和验证队列的基因表达谱数据,按临床分期将2个队列分别分为2组:早期(Ⅰ期)组和中晚期(Ⅱ、Ⅲ期和Ⅳ期)组;分析2组基因的差异表达及功能富集;通过单因素分析筛选共差异基因后进行Logistic回归分析和ROC分析,并在训练队列中绘制诊断列线图。结果对训练队列和验证队列的差异分析分别获得161和437个差异基因,并筛选获得7个共差异表达基因(SLC16A14、LHX2、PRAME、ZNF257、SOX2、KCNJ16、GSTA1)。Logistic回归分析显示,高表达的ZNF257和低表达的SOX2、KCNJ16、GSTA1与中晚期肺癌显著相关(均P<0.05),以此四基因构建的模型灵敏度为83.3%,特异度为92.9%,建立的诊断列线图在小结节肺癌的恶性诊断预测中显示出极好的潜力。结论成功预测肺癌临床分期的4个分子标志物(ZNF257、SOX2、KCNJ16、GSTA1);以这4个差异表达基因可建立小结节肺癌诊断模型及诊断预测列线图;该诊断模型具有较好的特异度和灵敏度,列线图具有预测CT筛查小结节肺癌的潜能。

基于GEO数据库分析非小细胞肺癌癌组织中配对盒基因8的表达及其与病人预后的关系

目的探讨基于高通量基因表达数据库(Gene expression Omnibus,GEO数据库)分析配对盒基因8(PAX8)在非小细胞肺癌(NSCLC)病人癌组织中的表达情况及与预后的关系。方法利用在线工具Oncomine分析PAX8在NSCLC与正常肺组织的表达情况,基于GEO数据库下载相关芯片数据(GSE77803),收集156例NSCLC组织的基因表达谱及相关临床数据,采用中位数法将其分为PAX8低表达组(n=78)和PAX8高表达组(n=78)。分析PAX8的表达与病人性别、年龄、病理类型、T分期、N分期和术后复发情况之间的关系;采用生存分析PAX8的表达与病人预后生存之间的关系;采用基因本体(GO)注释分析PAX8基因的功能,采用KEGG PATHWAY分析PAX8可能参与的信号通路。结果TCGA Lung 2数据集共检测了1537个样本,其中正常肺组织样本390例,肺癌组织样本共721例,血液样本420例,无意义样本6例。与正常肺组织相比,PAX8在肺腺癌和肺鳞癌中表达水平明显升高(P<0.05);基于GEO数据库中GSE77803(GPL570)数据集分析,NSCLC癌组织中PAX8的表达水平与病人的T分期、N分期和是否复发有关(P<0.05),生存分析显示,癌组织中PAX8低表达病人的总生存率为52.94%,中位生存期为54.6个月,显著高于PAX8高表达病人(34.35%,48.6个月)(log-rankχ~2=4.609,P=0.032)。PAX8低表达病人无病生存率为42.50%,中位生存期为51.7个月,显著高于PAX8高表达病人(28.71%,40.8个月)(log-rankχ~2=5.712,P=0.017);GO注释和KEGG分析显示,PAX8可能参与调节NSCLC发生发展相关的信号通路的表达。结论PAX8蛋白在肺腺癌和肺鳞癌中均存在异常高表达,PAX8低表达NSCLC病人具有更高的生存率。

复杂疾病恶性突变的数据挖掘及预警模型

利用基于多样本和基于单样本动态网络生物标志物法研究前列腺癌和肝癌两个时序列数据,检测疾病恶性突变的临界信号,确定动态网络生物标志物,进一步帮助医学工作者研究复杂疾病的发展变化机制,更高效准确诊断病情,及时提出合理的治疗方案。基于高通量生物分子数据,通过多样本动态网络生物标志法我们发现前列腺癌和肝癌样本分别在第6、2个时间点发生突变,与实验观测吻合,且分别有264,139个生物标记物。而实际样本数据并不完整且样本量少,此时需采用基于单样本动态网络生物标志物法检测疾病恶性突变信号,得到前列腺癌和肝癌样本分别在第6、2个时间点发生突变。最后对生物标记物进行生存分析等功能分析,发现这些标志物能较好的反映疾病临界变化信号。

基于公共数据库分析肿瘤坏死因子受体超家族成员-4在喉鳞状细胞癌中的表达及临床意义

目的 通过多个数据库资料结合临床样本分析喉鳞状细胞癌(鳞癌)患者中肿瘤坏死因子受体超家族成员(TNFRSF)4表达水平的变化,研究TNFRSF4在喉鳞癌发生发展中的作用。方法 根据高通量基因表达(GEO)数据库和癌症基因组图谱(TCGA)数据库转录组表达谱数据筛选出差异表达的基因,结合基因表达谱数据动态分析(GEPIA)数据库对差异基因TNFRSF4进行表达水平预测和生存分析;同时通过3例患者的喉鳞癌组织与癌旁组织标本进行qRT-PCR和Western blot验证,基于TCGA的临床数据绘制K-M生存曲线图并进行Cox回归分析。采用基因集富集分析探究与TNFRSF4在喉鳞癌中作用有关的信号通路。结果 数据库和临床样本中,喉鳞癌组中TNFRSF4的表达高于正常组(P<0.05),且TNFRSF4高表达组的生存率高于TNFRSF4低表达组(P<0.01)。多因素的Cox回归分析显示,TNFRSF4表达水平(HR:0.430,95%CI:0.229~0.806,P=0.009)、性别(HR:0.424,95%CI:0.204~0.882,P=0.022)、淋巴结分期(HR:2.010, 95%CI:1.055~3.831,P=0.034)和远处转移(HR:3.706, 95%CI:1.152~11.922,P=0.028)四个因素共同对患者的总生存时间产生影响。基因集富集分析的结果显示,与TNFRSF4表达最显著相关的信号通路有细胞黏附分子、JAK-STAT信号通路、T细胞受体信号通路、B细胞受体信号通路、原发性免疫缺陷和自身免疫性甲状腺疾病。结论 TNFRSF4高表达可能是喉鳞癌患者预后良好的生物标志物。

基于ChIP-seq的差异组蛋白修饰区域的筛选

组蛋白修饰是在基因组水平上起到重要调控作用的表观遗传修饰,随着ChIP-Seq的广泛使用,高通量数据的积累,为从全基因组研究组蛋白修饰模式奠定了基础。但目前缺乏在多样本间筛选疾病相关的调控区域的方法,因而本文开发了一种多细胞系的差异筛选算法来识别差异组蛋白修饰区域。本文通过窗口移动法来估计组蛋白修饰水平,并根据信息熵理论定量各个细胞系之间的差异。基于随机背景来确定差异显著性阈值。利用此算法来筛选人类全基因组9个细胞系间H3K4me3差异的区域,结果显示这些区域显著富集在基因启动子上和其他重要的染色质状态上,且与先前人们发现的活性启动子染色质状态显著重叠。通过文献挖掘进一步证实了与白血病相关的基因组标记。这些结果表明基于熵的策略可有效地挖掘多细胞系间以及与疾病相关的差异组蛋白修饰。