面向生物数据集成分析的方法和工具研究

摘要

随着生物技术和计算机技术的发展，各类生物数据正在急剧增长，如何利用大量数据从综合整体角度研究问题将成为研究重点，计算技术为生物数据的分析和形成新的生物假说提供了重要技术支持。生命科学的研究越来越离不开计算机科学，需要计算方法和辅助工具来支撑生物学的研究。一方面是对生物实验的支持，设计生物实验是复杂和容易犯错的，尤其是随着高通量技术的发展，仅凭人工设计实验几乎很难实现，需要工具来辅助设计;另一方面是从数据处理和分析的角度，面对大量生物数据，如何将数据集成以及发现数据内部及它们之间的内在联系和区别已经成为生物信息学中的热门课题，需要计算方法和辅助工具来帮助研究者更好地科研。
　　计算机科学对于生命科学的发展影响越来越大，针对上述生物实验设计、数据处理和分析两方面的计算方法和工具需求，本文开展了相关研究，主要工作包括:(1)面向DNA芯片合成技术的计算技术研究。针对芯片技术应用于基因合成的问题，基于传统基因合成设计方法提出了一种改进方法，适应新的芯片合成技术，并在此基础上应用于代谢路径合成设计和蛋白质定向进化，设计实现了面向芯片合成技术的代谢路径合成设计CAD系统和基于改进重组方法的同源蛋白库构建工具。(2)基于文献挖掘和数据库集成构建疾病网络。基于文献挖掘和数据库集成，综合利用数据库和文献来获取关于疾病的全面知识，取代人工收集信息，设计实现了一个自动化构建疾病网络的系统。(3)结合生物通路和网络知识整合分析Cancer Genome Atlas(TCGA)癌症多维数据。结合生物通路信息，给出了一种分析多种癌症突变基因的方式，相关分析结果揭示了显著突变基因参与的多种细胞过程、不同癌症共同显著突变和特异性突变以及同组织内的癌症具有相似性，应用集成网络发现了不同癌症的显著突变基因具有强连通关系;提出利用蛋白相互作用(PPI)网络来集成分析结肠癌三种类型数据之间的关联，相关分析结果说明了不同基因的异常改变通过相互作用网络产生相似的表型，识别了重要致癌基因。

目录

声明

摘要

表格索引

插图索引

算法索引

主要符号对照表

第一章 绪论

1．1 课题背景

1．2 本文的研究内容和主要工作

1．2．1 本文的研究内容

1．2．2 本文的特色工作

1．3 本文的内容安排

第二章 面向DNA芯片合成技术的计算技术研究

2．1 引言

2．1．1 相关工作介绍

2．1．2 特色工作

2．2 面向芯片技术的基因合成设计

2．2．1 问题分析

2．2．2 方法

2．3 代谢路径合成设计系统MPS

2．3．1 数据源及数据预处理

2．3．2 方法

2．3．3 系统架构和功能

2．3．4 应用

2．4 面向芯片合成技术的同源蛋白质库构建

2．4．1 方法与实现

2．4．2 应用

2．5 本章小结

第三章 基于文献挖掘和数据库集成构建疾病网络

3．1 引言

3．1．1 研究现状

3．1．2 本章研究内容

3．2 多源数据获取与整合

3．2．1 生物文献获取与预处理

3．2．2 pathways数据库整合以及其他数据获取

3．3 系统架构和功能实现

3．3．1 整体系统架构

3．3．2 文献挖掘模块

3．3．3 数据库集成模块

3．3．4 疾病网络构建

3．4 应用

3．4．1 应用实例

3．4．2 应用结果

3．5 本章小结

第四章 TCGA多维数据研究与分析

4．1 引言

4．1．1 相关工作介绍

4．1．2 本章研究内容

4．2 结合通路信息研究不同癌症之间的共性和异质性

4．2．1 数据源及其预处理

4．2．2 数据分析

4．3 结合蛋白相互作用网络分析结肠癌TCGA多维数据

4．3．1 数据源及其预处理

4．3．2 数据分析及结果讨论

4．3．3 文献验证

4．4 本章小结

第五章 结论

5．1 工作总结

5．2 后续的主要工作

参考文献

致谢

在读期间发表的学术论文与取得的研究成果