基因網絡信息搜索引擎的構建、優(yōu)化與應用.pdf

1、隨著高通量技術的迅速發(fā)展，各種類型的生物學研究海量數據產生，生物信息學與計算生物學也不斷發(fā)展相應的理論和技術以剖析這些數據蘊含的信息。然而理解和解釋復雜的生命現(xiàn)象仍然還是一個難題。生命活動的過程及參與其中的因素是一個復雜的網絡系統(tǒng)。研究生物學網絡(Biological Networks)是理解復雜生命活動的一個關鍵。目前越來越多的與復雜性狀相關的候選基因或候選生物標記正通過全基因組關聯(lián)分析(Genome-Wide Association

2、 Studies，GWAS)等手段挖掘出來，但是GWAS獲得的結果只能初步揭示可能的顯著效應SNP與相關基因，后續(xù)仍有優(yōu)先排序(Prioritizing)、驗證(Validating)等大量工作。我們試圖綜合現(xiàn)有的生物學網絡信息，建立一個統(tǒng)一各類型數據的高效、便捷、可靠、可拓展的可視化基因網絡搜索引擎，幫助對GWAS等統(tǒng)計分析結果的深入挖掘。以此，我們構建了一個整合多種生物網絡信息，同時具有存儲、搜索、可視化三種功能的基因網絡數據庫服務

3、平臺BiopubInfo。我們以基因、蛋白質、表型等生物學概念作為網絡中的節(jié)點，以蛋白質互作、基因調控、基因表型相關、生物學通路關系等作為網絡中的線，我們搜集下載了大量生物學的各類概念數據和關系數據，并做了一系列格式標準化和關系分值標準化的工作，在這一過程中摸索出整合各類生物學數據的方法和關系類型的分類評分標準。生物學網絡數據的復雜性和海量性，對搜索引擎平臺的存儲、計算性能和穩(wěn)定性都提出了巨大的挑戰(zhàn)。我們對平臺的硬件系統(tǒng)、操作系統(tǒng)、搜索

4、引擎服務框架和用戶交互界面都進行了一系列的調整優(yōu)化，建立了一個穩(wěn)定可靠、快速響應、用戶友好的系統(tǒng)。
　　這一平臺建立后，我們可以高效地利用多維度的基因網絡對全基因組關聯(lián)分析檢測到的候選基因進行優(yōu)先排序，驗證，以及深度生物信息挖掘。我們分別對二型糖尿病和尼古丁依賴數據進行了全基因組關聯(lián)分析，并利用BiopubInfo這一平臺對鑒定的候選基因進行后續(xù)分析。二型糖尿病是一種典型的復雜疾病，對人體的健康和壽命有很大的影響。對二型糖尿病的基

5、因調控和生物代謝過程的深入研究，能夠對預防和治療二型糖尿病發(fā)揮積極的作用。我們利用GMDR-GPU程序分析了WTCCC的二型糖尿病數據，獲取了一到五維的二型糖尿病關聯(lián)SNPs。對這些SNPs分析后發(fā)現(xiàn)六個候選基因。進一步對這六個候選基因進行生物學網絡信息分析，發(fā)現(xiàn)其中三個基因已有研究報道與二型糖尿病及其相關性狀有關聯(lián)，其余的三個基因為新發(fā)現(xiàn)的二型糖尿病相關基因，它們與這三個基因有大量的生物學關聯(lián)，為驗證統(tǒng)計分析結果提供了佐證，也從另一個

6、角度解釋了為何只能在多維的SNP分析中才找到這三個基因。尼古丁是成癮性非常高的一種毒品，依賴尼古丁的人群戒煙有很大的困難，尼古丁依賴的程度也受基因和環(huán)境的影響。我們利用QTXNetwork對來自dbGAP的尼古丁依賴數據進行了全基因組關聯(lián)分析，我們還用其它四種毒品的成癮數據分別對尼古丁依賴做了條件定位分析。我們把條件分析和非條件分析得到的三組基因分別進行了整合生物網絡信息的分析，觀察到了三種具有明顯差異的網絡模式，因而在一定程度上揭示了