基因组上的变异特别是单氨基酸多态(SAP)往往和疾病有关,在个性化医疗研究中SAP也倍受关注。通过计算手段来预测SAP的疾病关联性,是生物信息学中非常重要的研究内容。现有的预测算法往往局限在有限的预测属性如位点保守性,溶剂可及性值等方面,这不仅限制了预测准确度的提高,也未对SAP致病的分子机理作进一步的阐释。而且,已发表的工作中很多都没有开发相应的预测软件供人使用,限制了其他研究人员对SAP的探索。本项目将采用同源建模来建立SAP所在蛋白质的空间结构,然后以此为基础进一步探索新颖的预测属性,特别是结构相关的、具有直观生物学意义的属性。随后将采用机器学习方法建立预测模型,以在探讨分子机理的同时提高预测的准确度。此外本项目还将开发自动化的预测流程软件,以方便研究人员对自有的大规模SAP数据进行高通量筛选,并将进一步探索各种生物网络与SAP的关系,非编码区SNP的相关特性等。
{{i.achievement_title}}
数据更新时间:2023-05-31
神经退行性疾病发病机制的研究进展
新型树启发式搜索算法的机器人路径规划
现代优化理论与应用
肺部肿瘤手术患者中肺功能正常吸烟者和慢阻肺患者的小气道上皮间质转化
血管内皮细胞线粒体动力学相关功能与心血管疾病关系的研究进展
单氨基酸多态性与2型糖尿病发生发展及影响因素研究
klotho 基因单核苷酸多态性及组合与衰老相关性疾病的关系
整合机器学习方法和多源异构特征筛选分析单氨基酸多态性对蛋白质的功能影响
CIDEA基因多态性与肥胖相关性研究及功能分析