高通量遗传相互作用网络建模技术研究

Genetic interaction (GI) is core research area in genetics and biology. Since 2000, the research on genetic interactio move into a whole new era where the advances of high throughput biotechnologies allow us to screen genetic interaction at system/genome level. Therefore, researchers can focus on genetic interaction network (GIN) instead of individual genetic interaciton. It has significant impact on basic biological research , understanding human complex disease, and help design personal medicine. The research studies for dynamics GIN and implications of GIN in human disease are in their infancy. Therefore, this research project will focus on developing novel computational theories for modeling dynamic biological functional map by integrating genetic interaciotn network and other types of omics data and for comparing complex biologial networks. With theories, the project will provide novel approaches to understand molecular functions and evolution of GIN. Further , it will facilitate prediction synthetic lethality in human cancer related genes, which is shown to be powerful to be anti-cancer drug targets and kill cancer cell in safe mode.

遗传相互作用是遗传学乃至生物学的基础，是当前生物信息学研究的国际前沿课题。基于高通量遗传相互作用数据，构建基于计算网络模型的遗传相互作用网络，是系统揭示遗传相互作用本质规律，研究生物功能图谱，理解复杂疾病机理的关键。 但当前遗传相互作用数据计算建模与分析在研究遗传相互作用网络动态与保守性上面临巨大挑战，进而导致难以针对疾病相关遗传相互作用网络的研究。本项目针对上述挑战，开展综合遗传相互作用网络与多层次高通量数据的动态网络建模方法、跨物种网络类比的计算方法、以及遗传相互作用网络在进化中保守性分析等研究，形成基于遗传相互作用网络数据，分析生物过程、人类疾病机理以及药物设计的研究体系与方法。本项目研究成果将直接促进系统全面的研究与人类癌症相关的遗传相互作用，并因此帮助科学有效地预测抗癌药物标靶基因。

本项目在资助期间主要基于信息学技术研究遗传相互作用以及其与疾病联系。遗传相互作用相对于孤立的单基因遗传突变，从多个基因协同遗传作用的角度描述了生物遗传变异高复杂性的本质根源。因此遗传相互作在研究性别进化、物种形成、代谢系统、蛋白质功能及相互作用、分子功能图谱等一系列基础生物学领域扮演重要角色。同时，遗传相互作用在研究复杂疾病具有重要意义。人类常见病，包括癌症、糖尿病、哮喘、高血压、神经类疾病绝大多数均是复杂疾病，它们与符合孟德尔定律的单基因缺陷遗传疾病不同，不是由单一基因的突变这一因素造成，而是由多基因之间、环境之间的相互作用造成。因此发现并理解致病遗传相互作用是攻克人类复杂疾病的重要基础。.通过基于计算网络理论，人工智能方法本项目在研期间取得一些成绩，并发表于《Science》（参与作者）、《Cell Reports》、《Cancer Clinical Research》、《Genome Medicine》、《Nature Communications》（通信作者）国际权威期刊。