基于多层耦合生物网络的复杂疾病标志物识别方法研究

The detection of biomarkers is crucial to the precise diagnosis and effective treatment of complex diseases. Network analysis has been proved to be a very effective approach to identify disease biomarkers. Thus far, network-based computational methods were primarily focused on the analysis of single biological networks, without considering the important influence of coupling relations between biological networks on the whole biological system. In this project, we will construct a more realistic model: multilayer biological networks. Based on the static topological analysis such as defining and detecting multilayer coupling modules, and investigations on the dynamic properties like the controllability and robustness of the multilayer biological networks, theoretic frameworks and new methods will be developed to identify disease biomarkers. The implementation of this project will provides new models and methods to help understand the occurrence and development of complex diseases, and a solid theoretical foundation for the detection of disease biomarkers, playing an important role and has a wide use in the fields of biology and medicine.

有效生物标志物的识别对于复杂疾病的准确诊断和有效治疗非常重要，已有研究表明基于网络分析的方法可以有效地用于疾病标志物的鉴定。但绝大多数已有研究一般针对单个生物分子网络展开而忽略了不同生物分子网络之间的层间耦合关系对生物系统功能的重要影响。本项目拟构建更接近真实系统的多层耦合生物网络模型，通过对多层耦合生物网络模型的静态拓扑结构分析，如多层复合模块的定义和检测，和动态性能研究如生物系统可控性和鲁棒性分析，开发可用于疾病标志物识别的研究框架和算法。本项目的研究不仅为理解复杂疾病的发生发展过程提供新的模型和方法，而且也将为疾病标志物的鉴别提供理论依据，具有重要的生物意义和医学应用价值。

有效生物标志物的识别对于复杂疾病的准确诊断和有效治疗非常重要，已有研究表明基于网络分析的方法可以有效地用于疾病标志物的鉴定。但绝大多数已有研究一般针对单个生物分子网络展开而忽略了不同生物分子网络之间的层间耦合关系对生物系统功能的重要影响。本项目通过整合多源生物组学数据，构建了更接近真实系统的多层耦合生物网络模型，模型里包含基因调控网络、蛋白质相互作用网络和代谢网络。在多层生物分子网络模型中定义了生物分子之间功能相互影响的机制来模拟基因表达成蛋白质，蛋白质调控基因参与代谢反应的生物机制。开发了多层生物分子网络鲁棒性分析框架，本项目设计了鲁棒性影响分数来量化基因对多层网络鲁棒性影响的大小，发现对模型鲁棒性影响大的基因在关键基因和癌症基因中富集，且比随机的情况或单层网络中更富集；此外移除基因调控网络中的代谢疾病相关基因对代谢网络鲁棒性破坏力更大。本项目的研究不仅为理解复杂疾病的发生发展过程提供新的模型和方法，也为疾病标志物的鉴别提供理论依据，具有重要的生物意义和医学应用价值。