面向全基因组关联的复杂疾病遗传互作网络研究与分析

Complex diseases have a serious influence on human health and life, and it is the nature of the treatment and prevention of complex diseases to cognize complexity of the disease mechanism on the genetic level. Genetic interaction network of complex diseases has become the forefront and hot of systems biology research under a large number of achievements yielded by genome-wide association studies. In this project,we intend to research the genetic interaction network for genome-wide association studies of complex diseases. Confronting with the current limitations of the genetic interaction network of complex diseases, We plan to research new SNP(Single Nucleotide Polymorphisms) screening algorithms ,to provide accurate data for the study of complex disease-oriented genome-wide association of genetic interaction networks ; We propose a novel mathematical model and optimization strategy to build analysis of genetic interaction network of complex diseases; We try to complete genome-wide association studies with protein-protein interaction network; We research the pathway of genome-wide association studies based on SNP data.Parallel theories and techniques will be applied to improve the speedup. Thus, we can understand the pathogenesis of complex diseases in-depth, research and develop reconstruction and analysis software of genetic interaction network of complex diseases.Our study wants to achieve automatic identification and analysis of genetic interaction network of complex diseases for development of systems biology, and it has important theoretical significance and application value to explore the pathogenesis of complex diseases and drug design.

复杂疾病严重影响人类的健康和生活，从遗传层面认知复杂疾病机理是治疗和预防复杂疾病的本质所在。在全基因组关联研究取得大量成果之后，复杂疾病遗传互作网络研究已成为系统生物学研究领域的前沿和热点，本项目拟实现面向全基因组关联研究的复杂疾病遗传互作网络研究，针对当前复杂疾病遗传互作网络研究的局限，研究全新SNP筛选算法,为面向全基因组关联的复杂疾病遗传互作网络研究提供精准的数据；提出新的数学模型和新的优化策略，实现复杂疾病遗传互作网络构建分析；实现融合蛋白质网络的全基因关联研究；研究基于SNP数据的全基因组关联研究pathway构建与分析；采用并行理论技术，提高时间加速比；深入理解复杂疾病的发病机理，研发复杂疾病遗传互作网络重构与分析软件。本项目的研究以期实现复杂疾病遗传互作网络自动识别与分析，推动系统生物学的研究发展，对于探究复杂疾病的发病机理和药物设计等具有重要的理论意义和应用价值。

本项目主要完成的工作包括：基因调控网络构建分析；全基因组关联研究上位性识别研究；蛋白质复合物识别研究。发表论文19篇，SCI检索6，EI检索9； 在投3篇。设计开发了《云平台下肿瘤基因调控网络构建分析系统》在线服务系统；已于2015年11月申请发明专利一项，专利名称《癌症特异性差异表达基因调控网络构建方法》，状态处于公布状态；已于2016年11月申请软件著作权1项，软件名称及版本号：《云平台下肿瘤基因调控网络构建分析系统 V1.1》，正在审理中。.①针对基因调控网络重构：提出“基于引力场算法的基因调控网络构建”的算法；提出“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”算法；提出构建基因–基因相互作用网络算法及其在乳腺癌数据分析中的应用；开展了基于混合并行遗传算法和阈值约束法的基因调控网络的推理算法的研究。 .②针对全基因组关联研究上位性识别研究:提出一个高效的云上位性测试模型CChi；提出一种检测上位性的LASSO惩罚模型搜索算法；提出利用随机森林检测上位性方法；提出基于MapReduce框架并行实现蚁群算法一种新的方法来检测上位性；提出在病例对照研究中上位的关联映射的贝叶斯推理方法；提出一种基于人工神经网络的结构优化和参数上位性检测方法；开展了从网络视角下单核苷酸多态性相互作用检测的研究；提出云平台下基因-基因相互作用识别算法；提出一个新的基于蚁群优化算法上位检测的算法。 .③针对蛋白质复合物识别研究:提出了PPCMP算法和GECluster算法。.把这些算法应用到模拟数据和真实生物数据中，证明了他们的有效性。通过和一些经典方法对比分析，我们所提出的算法都得到了较好结果。.④在项目的支持下，我们对量子通讯做了一些研究，主要工作如下：.●关于传输距离对实际量子密钥分发系统的影响的研究；.●关于基于BB84协议的量子保密通信网络流量控制策略的研究；.●关于光纤信道应力作用对量子密钥分发误码率的影响的研究。.本项目的研究成果丰富了计算智能理论的应用研究，为生物信息学领域的相关研究提供了新方法和新手段。