MicroRNA对基因的调控作用及其与疾病关联关系的计算方法研究

MicroRNA (miRNA) are short noncoding RNAs that play important roles in gene expression regulation and are closely related to the occurrence of disease. The research towards miRNA is vital for exploring the occurrence and development of human diseases, which is a challenging problem in the biological research of complex diseases. The increasing amount of the biomolecular interactions and expression profile data has provided new opportunity for analyzing the gene regulation by miRNA as well as relationship between miRNA and disease based on computational methods. Taken the “identification of disease-related miRNA combinations based on functionally synergistic miRNAs” as the core idea, we will design new methods to calculate miRNA similarity and analyze the synergistic functions of miRNAs based on multi-data fusion. Furthermore, we will use semi-supervised learning methods to infer miRNA target genes, predict and classify associations between miRNAs and single- or multi- disease, and eventually identify disease-related miRNA combinations based on unsupervised learning. The accomplishment of this project will not only promote the discovery and research of multi-miRNA biomarkers, but also provide the theoretical basis for the treatment based on drug target miRNA, which lays the foundation for the implementation of precision medicine.

MicroRNA (miRNA)是一种微小非编码RNA，在调控基因表达中扮演着重要角色，且与复杂疾病的发生有密切关系。MiRNA的研究对探索人类疾病的发生与发展有重要意义，也是复杂疾病生物研究的一个挑战性问题。生物关联数据和表达谱数据的不断增加为基于计算方法分析miRNA对基因的调控作用及其与疾病的关联关系提供了新机遇。本课题以“基于功能协同的miRNAs识别疾病相关的miRNA组合”作为核心思想，设计基于多数据融合的miRNA相似性计算及其协同作用分析方法，采用半监督学习方法推断miRNA靶基因，研究特定或多疾病与miRNA之间的关系及其类型，进而基于无监督学习识别与疾病相关的miRNA组合。本项目的完成不仅对于疾病多miRNA生物标志物的发现和研究具有重要推动作用，同时为以miRNA作为药物靶点的治疗方法提供理论依据，为实施精准医疗奠定基础。

MicroRNA (miRNA)作为非编码RNA的重要组成部分，参与决定各种细胞的功能及生命过程，识别检测疾病相关的miRNAs及其组合对疾病的鉴定、诊断、预防及治疗具有重要意义。本项目以miRNAs在疾病发生过程中的驱动作用及miRNA组合在复杂疾病中的协同调控为重要目标，通过建立高效准确的计算方法来探索挖掘miRNA靶基因关联以及单一miRNA及其组合与疾病的关联，从而揭示致病miRNA协同机制及其与复杂疾病间的关联性，以达到从系统生物学的角度来理解复杂疾病发生发展的作用机制及分子机理。基于现有多源生物数据和网络关联数据，结合数据挖掘方法计算多类型miRNA、基因和疾病相似性，并构建相应的相似网络。针对现有方法在预测miRNA靶基因中假阳率高的问题，提出了基于表示学习和深度学习的关联预测分数计算方法SG-LSTM-FRAME、基于异构网络表示的深度卷积神经网络计算框架MDCNN以及能够充分挖掘多元异构网络信息的图计算模型MRMTI。针对现有miRNA相关生物数据中存在的固有噪声及无法应用于新疾病的未知关联预测问题，提出了两种自适应多视图多标签学习的疾病-miRNA关联预测计算方法AMVML和M2LFL；通过引入miRNA靶基因关联，提出了基于张量分解的疾病相关miRNAs识别算法TDMDA；为实现不同特征重要度的自适应学习，开发了多视图多通道注意力图卷积网络计算模型MMGCN；为更细粒度地预测miRNA-疾病关联信息类型，提出了细粒度关系检测的知识驱动网络计算模型KDFGMDA。为探索miRNA组合与疾病间的复杂高阶生物关系，基于三阶张量结构，提出了用于致病miRNA-miRNA对识别的基于耦合矩阵-张量填补的计算方法miRCom以及基于图注意力机制的张量分解计算方法GraphTF。此外，考虑到以miRNA作为药物靶点也是一项探索疾病复杂病理的途径，提出了基于多视图联合学习和基于非负矩阵分解的miRNA-小分子关联预测计算方法SMAJI和SMANMF。通过进行广泛且大量的对比实验和疾病案例探究，所得实验结果均验证了所提计算方法的有效性和实用性，有助于推动基础研究成果向终端产品的转化。