生物网络

摘要： 10月4日是“世界动物日”,中国生物多样性保护与绿色发展基金会(“绿会”)与ECOR基金会、喀拉拉邦中央大学环境科学系以及全球青年生物网络印度分会合作,联合举办2021年世界动物日会议--“神奇的动物”。我国5个邮政分公司于2021年10月4日联合发售“世界动物日”TS71型邮资标签,宣传戳图分别为鲨鱼(杭州西湖邮局)、熊猫(苏州吴江流动邮局)、考拉(上海世博邮局)、北极熊(沈阳塔湾街邮局)、大象(厦门流动邮局)(图1),每图各设4种面值,为0.8元、1.2元、3.8元、4.2元。

摘要： 整体、关联、系统、多元的网络象思维是象思维现代发展的客观趋势和历史必然,提出网络象概念以促进中医药网络药理的深化研究,明确网络象研究实现了由实体本体向关系本体、由个体思维向群体思维、由客观现实性向虚拟存在性的思维转变,进一步分析了网络象所具有的整体性和关联性、层次性、去中心性分布、模块性、动态性、共性与个性的存在性、可调节性等思维特征.网络象思维指导下的网络药理研究将在方剂多靶点作用的表达、方剂优化与设计、方证关联性研究等方面具有广阔的研究前景,将有利于彰显原创思维在中医药现代研究中的引领作用.

摘要： 目的通过生物分子网络分析方法挖掘胃复春片治疗慢性萎缩性胃炎(CAG)的潜在作用靶点和信号通路,从生物信息学角度阐释其潜在作用机制。方法综合利用中药系统药理学数据库与分析平台(TCMSP)、台湾中医药数据库(TCM Database@Taiwan)、Pubchem、中药分子机制的生物分析工具(BATMAN-TCM)、人类孟德尔遗传数据库(OMIM)、DisgeNet数据库和人体表型本体数据库(HPO)分别获得胃复春片的有效成分和相关靶点以及CAG的相关靶点;基于String数据库中已知的蛋白相互作用关系(PPI)构建胃复春片治疗CAG靶点的PPI网络并发现核心靶点;通过DAVID实现京都基因与基因组百科全书(KEGG)信号通路和基因本体论(GO)功能富集分析。结果检索获得胃复春片成分相关靶点846个,CAG相关靶点209个;“胃复春片-CAG”PPI网络有32个节点,176条边构成;GO功能和KEGG信号通路的富集分析发现胃复春片治疗CAG的作用机制可能与调控肿瘤相关信号通路如PI3K-Akt信号通路、Jak-STAT信号通路,以及炎症性肠病(IBD)信号通路和TNF信号通路有关,并参与急性炎症应答、细胞因子调节、细胞凋亡等GO功能,尤其对肿瘤相关因子(AKT1、TP53、PTGS2)以及炎症反应相关因子(IL-6、IL1B、TNF)具有重要调节作用。结论胃复春片可能通过调节肿瘤抑制基因和炎症因子等发挥治疗CAG和控制慢性胃炎恶性转化的作用。本研究一方面为明确胃复春片的药理、药效机制提供了有益探索,另一方面也为阐释中药复方的作用机制研究提供了思路和方法学借鉴。

摘要： 目的 通过生物网络及模块化分析方法挖掘路志正教授临床经验方慢痞消治疗慢性萎缩性胃炎(CAG)的潜在作用靶点和信号通路,从生物信息学角度阐释其潜在作用机制.方法 综合利用中药系统药理学数据库与分析平台(TCMSP)、BATMAN-TCM、在线人类孟德尔遗传数据库(OMIM)、人类表型术语集(HPO)和DisgeNet数据库分别获得慢痞消的有效成分和对应靶点以及CAG的相关靶点;通过人类蛋白质参考数据库(HPRD)和生物通用交互数据集库(BioGRID)获取已知的蛋白相互作用关系(PPI),构建"慢痞消-CAG"的PPI网络;通过ClusterONE软件挖掘核心功能模块;采用Cluego软件对其进行基因本体论(GO)功能注释以及京都基因和基因组百科全书(KEGG)信号通路富集分析.结果 检索获得慢痞消成分对应基因1885个,CAG相关基因209个;构建"慢痞消-CAG"PPI网络有44个节点,292条边,其中核心网络模块由31个节点构成;GO功能注释和KEGG信号通路富集分析发现慢痞消治疗CAG的作用机制可能与调控白介素17信号通路(IL-17)、炎性肠病、缺氧诱导因子-1信号通路(HIF-1)、血管内皮生长因子(UEEF)信号通路等炎症反应和肿瘤相关信号通路,以及参与细胞分化、代谢、凋亡等GO功能有关,尤其对肿瘤蛋白53(TP53)、白介素家族细胞因子、前列腺素内过氧化物合酶2(PTGS2/COX-2)、肿瘤坏死因子-α(TNF-α)、血管内皮生长因子A(VEGFA)和表皮生长因子受体(EGFR)等靶点具有重要调节作用.结论 慢痞消可能通过调节免疫炎性反应和血管内皮生长因子等改善胃内微环境,发挥治疗CAG和控制慢性胃炎恶性转化的作用.本研究一方面为明确慢痞消的药理、药效机制提供了有益探索;一方面也为阐释名医经验方的作用机制研究提供了思路和方法学借鉴.

摘要： 厘清菌群群落与环境的相互关系及其潜在的驱动机理是肠道微生物研究的一项关键任务.通过微生物组高通量测序和大数据分析辨识微生物组分及功能是目前微生物群落分析的主要方法.现有人体肠道微生物的研究主要侧重于描述肠道菌群多样性和组成特征,缺少更深层次的菌群内部互利共生关系及其生态演替的探索.如何由微生物组数据从分子网络角度来研究肠道菌群分布的关联模式是目前亟待解决的问题.该文使用机器学习领域的网络嵌入方法改进传统生物网络结构学习技术过于依赖节点间的个体相关关系的弊端,更准确地捕捉微生物网络关联的异构性、隐变量和不均衡性等特征.通过对生成的模块与环境变量以及关键代谢物的进行相关性分析,证实了新的网络模块挖掘方法可以更好地提取肠道菌群结构中之前较少被认识到的特征模块,从而更好地评估菌群与菌群之间、菌群与环境之间的制约关系以及菌群代谢功能之间的潜在耦合机制.该研究中描述的方法不仅给肠道微生物群落结构的解析提供了新视角,还可以拓展应用到其他环境微生物领域的研究,通过数据的多阶信息更好地反映群落结构的驱动过程.

摘要： 细胞生物学、 遗传学、 分子和系统药理学、 计算机化学等多学科交叉的进展是当前药物研究的疗法转变的背后驱动力.新的疗法在很多方面都将不同于目前的药物,因为它们是以生物网络而不是单一转导通路为目标、 它们影响疾病过程而不是生理过程.

摘要： 2019年1月,科学家在地表下方发现了一个庞大的、相互纠缠的微生物网络,总规模达全球海洋体积的两倍。这些生物可承受惊人的温度,能够在毫无阳光、几乎不含营养物质的环境中以“僵尸状态”生存。这些细菌的分布与太平洋上的加拉帕戈斯群岛极为相似,科学家们将这一前沿领域称为“地下深处的群岛”,但与这座以野生动物和达尔文闻名的岛屿不同,这个全新的地下世界还是一片“处女地”,完全不曾受到过人类的破坏。

摘要： 目的:利用生物网络和模块化分析方法探讨薏苡仁治疗胃癌的作用靶点及机制.方法:通过数据库获取薏苡仁的41个成分及其482个作用靶点和胃癌的165个相关基因,发现薏苡仁的12个作用靶点(AICDA、CASP3、EP300、ERBB2、FGFR2、IL12A、ILI2B、IL1B、LOX、TJP1、TP53、TRIB3)与已知的胃癌基因重叠.通过成分-靶点和靶点PP1网络的分析发掘薏苡仁作用的核心靶点.结果:基于MCL算法得到了16个薏苡仁的潜在靶点模块及其机制,发现薏苡仁的作用机制广泛,涉及到癌症通路、细胞循环通路、受体信号转导通路及DNA损伤应答、转录调节、细胞凋亡、细胞连接等功能.结论:通过研究提示薏苡仁治疗胃癌的潜在作用靶点,从系统水平阐释薏苡仁抗肿瘤的药理作用,也为从网络和多靶点层次分析中药药理、发现中药靶点提供新的思路.

摘要： 生物网络在生物系统中扮演着维持动态平衡的重要角色，受其启发可提出多种新颖的智能控制和优化的理论与技术。为此，时这一研究领域进行了较系统的综述，主要包括受免疫网络、神经内分泌网络、神经内分泌免疫网络、生物整体网络等研究领域启发而形成的控制理论、技术及其应用方法。未来基于生物网络的智能控制与优化，将更加注重对上述生物网络间互连融合以及协同机制的进一步挖掘，及其在控制理论和工程方面的创新应用，同时充分吸收生物学最新成果，抽象并产生多种新型生物智能控制器及其控制方法，以更好地满足复杂系统对智能系统的应用需求。

摘要： 在生物进化中，复制和变异是两个重要机制。在[1]中，我们得到结论：复制确实会使得生物网络演化成负关联性网络。在本文中，我们分别建立了随机节点变异模型与反偏爱节点变异模型，并得到结论：节点变异使得生物网络的负关联性受到抑制，而反偏爱会加强这种抑制，这样，从生物进化的观点看，节点变异是生物中抑制负关联特性的机制。

摘要： 从还原论(reductionism)到整体论(holism)应该是科学发展到某个阶段时的必然途径.生物学正在经历着这样的历程.17世纪笛卡尔(R.Descartes)在其1637年发表的论著《更好地指导推理和寻求科学真理的方法论》中提出一个建议：“如果一个问题过于复杂以至于一下子难以解决,那么就将原问题分解为一些足够小的问题,然后再分别解决”.这被称为“笛卡尔方法”.将水分解还原为构成水的氢和氧,将系统分解还原为构成系统的某些组成部分；将组成部分再分解…,这就是还原论的方法论.儿百年来,遵循这种方法论,各门学科取得了巨大进展。本文将介绍生物网络研究中的一些基本结果。循着结构与功能这条主线，同时也适当注意一些分析研究方法。

摘要： 系统生物学是在系统水平上研究生物系统,即通过研究因生物系统组成单元之间的相互作用所组成的网络来揭示生命系统的复杂行为和功能。rn 本文介绍了近期内系统生物学领域研究所取得的一些进展。强调从理工科的视角出发,首先在分子水平上结合数据与方法论的整合性观点构建生物网络,然后用相互作用、动态行为等整体论观点来研究该网络,达到探索对复杂生命现象在不同层面上理解和诠释的目的。

摘要： 本发明公开了脱细胞生物网膜的制备方法及由其制得的脱细胞生物网膜。脱细胞生物网膜的制备方法包括使用含十二烷基硫酸钠与DNA酶的缓冲液浸泡大网膜进行脱细胞处理的步骤。还公开了通过该方法制得的脱细胞生物网膜。本发明的方法通过梯度洗脱与物理震荡相结合，条件温和，提高了大网膜脱细胞效率，同时最大程度的保留了大网膜脱细胞基质的组成；本方法还具有操作简单、可实施性强的优点。

摘要： 本发明公开了脱细胞生物网膜的制备方法及由其制得的脱细胞生物网膜。脱细胞生物网膜的制备方法包括使用含十二烷基硫酸钠与DNA酶的缓冲液浸泡大网膜进行脱细胞处理的步骤。还公开了通过该方法制得的脱细胞生物网膜。本发明的方法通过梯度洗脱与物理震荡相结合，条件温和，提高了大网膜脱细胞效率，同时最大程度的保留了大网膜脱细胞基质的组成；本方法还具有操作简单、可实施性强的优点。

摘要： 本发明公开了一种基于集成学习的生物网络推理算法。它包括：针对n个基因组成的生物网络推理问题，将n基因*m时序微阵列表达数据集作为训练样本，计算每个基因对应的训练集；采用随机森林算法、梯度提升树算法分别计算每个调控因子与目标基因对的特征重要度得分，分别给出对应的第一特征重要度评分表、第二特征重要度评分表；计算第一特征重要度评分表的准确度ACC1、第二特征重要度评分表的准确度ACC2；采用E‑alpha加权规则将第一特征重要度评分表、第二特征重要度评分表进行加权融合，得到最终的总评分表；根据总评分表得到最终生物网络结构。本发明有效提高了生物网络推理的准确度以及稳定性。

摘要： 本发明公开了一种基于异构生物网络融合的关键蛋白质识别方法，包括以下步骤：获取酵母蛋白质相互作用网络拓扑结构、蛋白质结构域信息、蛋白质同源信息以及蛋白质亚细胞定位信息；分别建立蛋白质‑蛋白质互作网络P_G、结构域‑结构域互作网络D_G和蛋白质‑结构域关系网络PD_G；融合三网络PD_G三个网络，建立异构网络HG；建立蛋白质和结构域的初始化得分向量h0；基于随机游走模型，迭代地计算蛋白质和结构域的得分向量ht，直到稳定状态；根据稳定状态时蛋白质的得分进行排序，识别关键蛋白质。本发明改进了关键蛋白质识别方法研究中多源生物数据的融合方式，大大提高了关键蛋白质的识别准确率。

摘要： 基于多类型关系的生物网络模块标志物识别方法，属于组学数据分析技术领域。发明结合当前组学数据变量多，噪音多，生物体内变量以各种通路相互关联，变量之间关系复杂多样等实际特点，构建成对变量的多种组合变量，使用统一指标，对成对分子的各个组合进行类间区分能力评价，使用评价指标构建网络，并使用贪婪搜索技术搜索网络模块。有助于组学数据研究者迅速从基因组、代谢组等组学数据中识别具有强区分能力的变量模块，来进行后续针对分子功能，调控过程的定性定量研究，是一种基于多类型关系的生物网络模块标志物识别方法。

摘要： 本发明公开了基于生物网络和亚细胞定位数据识别癌症驱动模块方法，包括如下步骤：1）输入数据；2）重建无向边缘加权PPI网络；3）识别驱动程序模块；4）初始化；5）记录最佳个体；6）进入；7）使用五个突变算子产生；8）选择；9）完成驱动模块识别。这种方法克服了传统PPI网络中的假阳性或假阴性的不足，提高了在PPI网络上识别癌症的驱动模块的准确性。

摘要： 本发明属于计算机科学领域，公开了一种基于元路径和双向编码器的生物网络链接预测方法。首选构建了多源异构的药物信息网络，同时设计多种语义路径进行序列采样，构成大规模的语义信息库；其次，将深度Transformer编码器与掩码语言模型(masked language model)有机融合设计出深度双向的编码表征模型有效地提取每个节点的低纬表征向量；最后，利用归纳矩阵补全(Inductive matrix completion)技术进行疾病‑蛋白关联关系、蛋白‑药物相互作用、药物‑副作用关联关系等生物链接预测，进而完成从疾病—靶标—药物—副作用的药物研发技术体系。

摘要： 本发明公开了基于生物网络与机器学习的合成致死基因组合预测系统。本发明包括数据采集和预处理模块、特征工程模块、模型算法设计模块、结果评估模块。数据采集和预处理模块包括数据采集、构建基因网络和数据预处理三个子任务，为后续预测任务提供数据基础。特征工程模块提取的特征包基因对网络特征和生物特征；特征提取后，对特征进行相应的统计学分析。模型算法设计模块包括构造训练样本、预测模型设计。结果评估模块是通过绘制ROC曲线和PR曲线，验证模型的预测效果。本发明从数据挖掘的角度研究合成致死基因组合，通过特征整合与处理等方法实现合成致死基因组合的预测。本发明对潜在合成致死基因组合进行预测，加深了对癌症靶向药物的认识。

摘要： 本发明公开了一种生物网络比对方法、装置、设备以及计算机可读存储介质，包括：分别提取源网络和目标网络中所有节点，提取序列相似性文件中源网络节点和目标网络节点之间的序列信息；计算源网络中每个节点与目标网络中所有节点之间的拓扑信息；融合源网络节点与目标网络节点的拓扑信息和序列信息，计算源网络中每个节点与目标网络中所有节点之间的相似性得分；基于节点间的相似性得分指导初始化种群，采用蝙蝠算法进行优化种群，选取目标函数得分最高的个体作为比对结果。本发明通过结合拓扑和序列信息的融合计算节点对相似性得分，提高拓扑得分，保证比对结果与生物一致性，采用相似性得分指导生成初始种群，提高多样性，便于后续优化。

摘要： 一种基于生物网络的个性化疾病病前状态识别方法，包括：对获取的单个体个性化时序样本数据进行标准化处理，根据时间点将标准化处理后的样本时序数据分为参考样本数据与待测样本数据；根据参考样本数据，得到基准样本数据；从全局蛋白质互作网络提取每个基因的表达模式，计算待测样本数据或参考样本数据中，每个时间点中每个基因相对于基准样本的距离分数；根据距离分数，得到每个时间点标准化的距离分数，根据每个时间点标准化距离分数，识别疾病病前状态；本发明识别疾病病前状态精度高，由于该方法主要是使用基因间调控关系作为背景进行数据处理和分析，因此该方法更具有生物意义，计算过程简单，计算耗时少。