基于提升小波与稀疏编码对肝癌相关蛋白质相互作用网络的构建与分析

In recent 50 years, liver cancer is one of malignant tumors that endanger the health of the world.The premise of the effective treatment of diseases is a good understanding of its pathogenesis, especially the cancers with complex causes. In the past, the cancer researches in biology focused on the analysis of the genome and transcriptome. However, the researches on the level of DNA and RNA can not reflect on the fundamental changes experienced by the cells in the process of malignant transformation. Therefore, the project will integrate the monomer-based experimental information. It will use protein sequence data to predict the protein protein interaction with high accuracy based on lifting wavelet and machine learning methods. A comprehensive collection of liver-cancer-related protein-protein interaction data will be done. And then the reliability of protein-protein interaction data will be evaluated based on the network topology and data integration to obtain high-quality liver-cancer-related protein-protein interaction data. The data will be used to construct the liver-cancer related protein interaction networks represented by the sparse coding method. Finally, the liver-cancer-related networks will be analyzed based on the spectral clustering. The dynamic and temporal-spatial characteristics of the protein interaction networks will be studied to get a more systematic and comprehensive vision to the interactions at the molecular level and its regulatory pathways in vivo, to further investigate the pathogenesis of liver cancer, proving further theoretical support for the cancer therapy.

近50年来，肝癌是危害世人健康的主要恶性肿瘤之一。有效治疗疾病的前提是很好地了解其发病机制，对发病原因复杂的癌症更是如此。以往，生物学对于癌症的相关研究主要集中于对基因组和转录组的分析。然而，在DNA 和RNA水平上的研究不能从根本上反映细胞在恶性转化过程中所经历的变化。因此，本项目将整合基于单体的实验信息，基于提升小波和机器学习方法高准确度地预测蛋白质相互作用，全面收集肝癌相关蛋白质相互作用数据。然后，基于网络拓扑与数据整合评估蛋白质相互作用数据的可信度，得到高质量的肝癌相关蛋白质相互作用数据。进而构建肝癌相关蛋白质相互作用网络，并采用稀疏编码方法表示之。最后，基于谱分析法挖掘肝癌相关蛋白质相互作用网络，同时对蛋白质相互作用网络进行动态和时空特性研究，以更为系统和全面的眼光来看待生物体内在分子水平上的相互作用及其调控路径，进一步探讨肝癌发病机制，为癌症治疗提供进一步的理论支持。

近50年来，肝癌是危害世人健康的主要恶性肿瘤之一。有效治疗疾病的前提是很好地了解其发病机制，对发病原因复杂的癌症更是如此。以往，生物学对于癌症的相关研究主要集中于对基因组和转录组的分析。然而，在DNA 和RNA水平上的研究不能从根本上反映细胞在恶性转化过程中所经历的变化。因此，本项目将整合基于单体的实验信息，基于提升小波和机器学习方法高准确度地预测蛋白质相互作用，全面收集肝癌相关蛋白质相互作用数据。然后，基于网络拓扑与数据整合评估蛋白质相互作用数据的可信度，得到高质量的肝癌相关蛋白质相互作用数据。进而构建肝癌相关蛋白质相互作用网络，并采用稀疏编码方法表示之。最后，基于谱分析法挖掘肝癌相关蛋白质相互作用网络，同时对蛋白质相互作用网络进行动态和时空特性研究，以更为系统和全面的眼光来看待生物体内在分子水平上的相互作用及其调控路径，进一步探讨肝癌发病机制，为癌症治疗提供进一步的理论支持。