植物分子设计中高维数据的低维稀疏逼近方法

This project is a continuation of a former completed project of the applicant, titled “Low-dimensional sparse approximation methods for high dimensional data in plant molecule design” (91130009, 2012.1-2014.12). In the last project, we made a series of major progresses in the mathematical theory and methods for sparse approximation and representation of signals, and their applications in plant molecule design. We have published 45 papers in renowned journals including Inverse Problem，Applied and Computational Harmonic Analysis，Mathematics of Computation, Nucleic Acids Research, and was approved a software copyright, hereby excellently fulfilled the research objectives. In the current project, we plan to continue our study aiming at the high-dimensional data in plant molecule design. Within one year, we expect to achieve breakthroughs in fast algorithms and software for biological gene sequence alignment, sparse representation of biological signals, sparse SVM methods for plant molecular information classification, and the applications of these methods to the search of key genes and multi-gene regulated and control network in plant development.

本项目为申请人已结题培育项目“植物分子设计中高维数据的低维稀疏逼近方法”（91130009, 时间：2012年1月至2014年12月)的延续研究。前一项目在信号稀疏逼近与表示的数学理论与方法和在植物分子设计的应用方面均取得了一系列主要进展，在Inverse Problem， Applied and Computational Harmonic Analysis，Mathematics of Computation，Nucleic Acids Research等期刊发表论文45篇，获得计算机软件著作权一项，圆满地完成了预期研究目标。本项目计划继续针对植物分子设计中高维数据的处理问题开展研究。预期在一年时间内在如下方面取得重要进展：生物基因序列比对快速算法及软件；生物信号的稀疏表示；应用于植物分子信息分类的稀疏支持向量机方法；基于上述方法，探寻植物发育的关键基因和多基因调控网络。

本项目继续针对植物分子设计中高维数据的处理问题开展研究，取得了一系列重要成果，包括：前期提出的蛋白质序列比对算法H-BLASTP/X得到改进，在计算结果与国际权威的NCBI BLAST一致的前提下，加速性能比NCBI BLAST快4-10倍；前期研发的DNA序列比对软件HS-BLASTN被集成在加州大学旧金山分校教授Katherine Pollard团队开发的开源程序PhyloCNV中；提出了一种基于CCA和ICA的fMRI数据分析方法，能有效地保留传统滤波预处理所导致的信息损失，并保持信号源的生物学独立性；研究了发展稀疏支持向量机方法所需的数学基础，即具有L1等稀疏诱导性范数的再生核巴拿赫空间理论；利用上述数学理论和算法，对拟南芥花、水稻花、圆锥花序的发育过程进行了研究，发现了多个关键蛋白相互调控的分子事件。项目组成员在JOURNAL OF COMPUTATIONAL MATHEMATICS，JOURNAL OF INTEGRAL EQUATIONS AND APPLICATIONS，BIOINFORMATICS等期刊和2016 INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION，2016 INTERNATIONAL CONFERENCE ON WAVELET ANALYSIS AND PATTERN RECOGNITION等会议发表论文15篇，获得计算机软件著作权1项，申请国际PCT专利1项，完成了预期研究目标。