基因组高通量测序数据结构变异识别算法

遗传变异是生命的基本特征,遗传变异与表型差异之间的关系,是现代生物学的一个基本问题。由基因决定生物体的遗传特征和主要个体差异的观念正在逐渐改变,过去几年的许多研究显示,基因组中大尺度的结构变异与个体的表型差异和疾病等有一定的关联。有关遗传变异和表型多样性的研究,需要比较生物体个体基因组间的各种不同。利用NGS数据全面分析结构变异的技术目前仍然不成熟。因此本文根据生物学知识,利用高通量测序数据,对植物基因组结构变异的识别问题深入系统的研究,提出新的结构变异识别方法和精确的断点预测方法。     

CPL: Detecting Protein Complexes by Propagating Labels on Protein-Protein Interaction Network

Proteins usually bind together to form complexes, which play an important role in cellular activities. Many graph clustering methods have been proposed to identify protein complexes by finding dense regions in protein-protein interaction networks. We present a novel framework （CPL） that detects protein complexes by propagating labels through interactions in a network, in which labels denote complex identifiers. With proper propagation in CPL, proteins in the same complex will be assigned with the same labels. CPL does not make any strong assumptions about the topological structures of the complexes, as in previous methods. Tile CPL algorithm is tested on several publicly available yeast protein-protein interaction networks and compared with several state-of-the-art methods. The results suggest that CPL performs better than the existing methods. An analysis of the functional homogeneity based on a gene ontology analysis shows that the detected complexes of CPL are highly biologically relevant.     

一种蛋白质复合体模块度函数及其识别算法

蛋白质复合体对于研究细胞活动具有重要意义.随着新的生物实验技术的不断出现,产生了大量的蛋白质相互作用网络.通过对蛋白质相互作用网络进行聚类识别蛋白质复合体是当前研究热点.然而,目前大多数蛋白质复合体识别算法的性能不够理想.为此,提出了蛋白质复合体模块度函数(PQ),并在此基础上提出了基于蛋白质复合体模块度函数的模块合并(based on protein complexes modularity function for merging modules,BMM)算法.BMM算法首先识别网络中一些稠密子图作为初始模块,然后依据PQ函数对这些初始模块进行合并,最终得到了质量较高的蛋白质复合体.将识别出的复合体分别与2种已知的蛋白质复合体数据集进行比对,结果表明BMM算法具有很好的识别性能.此外,与其他最新的识别算法相比,BMM算法的识别准确率较高.     

RNA二级结构预测方法综述

RNA二级结构预测是计算分子生物学中的一个重要领域.本文介绍了RNA二级结构的预测方法,包括该问题的数学模型、主要算法思想以及每种算法对应的软件.在tRNA和RNase P RNA数据库中随机选取了几组样例对目前主要的7种软件进行测试,同时对每种软件的优缺点进行了详细比较.实验证明,当存在同源序列时,Pfold的效果优于其它软件.最后,在总结分析现有算法的基础上探讨了该领域进一步的研究方向.     

水稻组织特异性蛋白质相互作用网络构建方法

组织特异的基因表达和蛋白质相互作用是研究基因调控、蛋白质功能、细胞过程的重要部分.相较于其他模式生物在蛋白质相互作用研究方面的进展,高等模式植物水稻中组织特异性蛋白质相互作用的研究十分缺乏.因此,提出了一种用于水稻组织特异性蛋白质相互作用网络构建的计算方法.该方法主要包含三部分:第一,在统一标准下融合多数据识别组织特异的基因;第二,提出了新的同源映射方法,并集成6种模式生物相互作用数据构建和评估目标物种蛋白质相互作用网络;第三,构建不同组织的蛋白质相互作用子网,并筛选高可靠的蛋白质相互作用.为了验证方法的有效性,构建并分析了水稻首个组织特异的蛋白质相互作用网络(PTSN4R:Predicted Tissue-Specific Network for Rice). PTSN4R包含了水稻23个组织的组织特异基因及对应的组织特异蛋白质相互作用子网,为分析组织特异的基因表达和蛋白质相互作用提供了便利条件. PTSN4R有助于理解水稻的生长调控机制,为水稻增产提供线索.同时,提出的方法能够方便的应用到其他物种,促进组织特异的蛋白质相互作用网络的研究.     

蛋白质功能预测方法研究进展

蛋白质功能预测是后基因组时代生物信息学的研究热点之一。利用计算方法预测蛋白质的功能,可以弥补传统生物实验方法周期长、效率低和成本高等方面不足。首先介绍蛋白质功能预测的研究背景,并从计算角度定义蛋白质功能预测问题;然后,对蛋白质功能预测方法的研究现状进行分析与总结,最后指出已有方法中存在的不足及未来的研究方向。     

系统发生树构建技术综述

随着不同的分子测序技术的飞速发展使得大量的DNA分子数据不断涌现,这给生物学家提供了大量的数据使其实现重构地球上所有生命的进化树的梦想.并且,进化树的研究对于解决现代分子生物学中的许多问题都是非常关键的,如多序列比对、蛋白质结构和功能预测以及药物设计等等.但是构建进化树又是一个非常复杂的问题.因此,进化树的研究成了一个研究热点.本文介绍了进化树研究的发展、研究现状,最后在总结现有的进化树构建技术存在的问题的基础上探讨了该领域进一步的研究方向.     

基于支持向量机和竞争学习的图像配准方法

为了使探测到的各种地雷图像更清晰,要求将金属地雷探测器和雷达渗透地面探测器的图像用图像精确配准的方法将二者的图像融合.提出了基于竞争学习和支持向量机的图像配准方法.该方法是用竞争学习的权值标明地雷边缘点,以获得图像中地雷的特征值;然后用支持向量机反复匹配两个待配准图像的支持向量.融合图像信息熵的测定结果表明,基于竞争学习和支持向量机的图像配准方法融合图像携带的信息量大,融合图像质量高,图像配准精确.     

蛋白质相互作用及其网络预测方法研究进展

依据蛋白质序列、蛋白质空间结构、基因本体(Gene Ontology)注释、文献挖掘、网络比对及基因组信息将蛋白质相互作用预测方法分为六类,阐述并评价了各种方法的研究进展.从网络建模与挖掘两个角度探讨了相互作用网络预测方法.还概述了与之密切相关的问题:位点预测、转录因子间相互作用预测及数据库评价,指出了研究中存在的问题和发展方向.