基因網(wǎng)絡(luò)信息搜索引擎的構(gòu)建、優(yōu)化與應(yīng)用.pdf

1、隨著高通量技術(shù)的迅速發(fā)展，各種類型的生物學(xué)研究海量數(shù)據(jù)產(chǎn)生，生物信息學(xué)與計算生物學(xué)也不斷發(fā)展相應(yīng)的理論和技術(shù)以剖析這些數(shù)據(jù)蘊(yùn)含的信息。然而理解和解釋復(fù)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(fù)雜的網(wǎng)絡(luò)系統(tǒng)。研究生物學(xué)網(wǎng)絡(luò)(Biological Networks)是理解復(fù)雜生命活動的一個關(guān)鍵。目前越來越多的與復(fù)雜性狀相關(guān)的候選基因或候選生物標(biāo)記正通過全基因組關(guān)聯(lián)分析(Genome-Wide Association

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

3、平臺BiopubInfo。我們以基因、蛋白質(zhì)、表型等生物學(xué)概念作為網(wǎng)絡(luò)中的節(jié)點(diǎn)，以蛋白質(zhì)互作、基因調(diào)控、基因表型相關(guān)、生物學(xué)通路關(guān)系等作為網(wǎng)絡(luò)中的線，我們搜集下載了大量生物學(xué)的各類概念數(shù)據(jù)和關(guān)系數(shù)據(jù)，并做了一系列格式標(biāo)準(zhǔn)化和關(guān)系分值標(biāo)準(zhǔn)化的工作，在這一過程中摸索出整合各類生物學(xué)數(shù)據(jù)的方法和關(guān)系類型的分類評分標(biāo)準(zhǔn)。生物學(xué)網(wǎng)絡(luò)數(shù)據(jù)的復(fù)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(wù)框架和用戶交互界面都進(jìn)行了一系列的調(diào)整優(yōu)化，建立了一個穩(wěn)定可靠、快速響應(yīng)、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(wǎng)絡(luò)對全基因組關(guān)聯(lián)分析檢測到的候選基因進(jìn)行優(yōu)先排序，驗(yàn)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(shù)據(jù)進(jìn)行了全基因組關(guān)聯(lián)分析，并利用BiopubInfo這一平臺對鑒定的候選基因進(jìn)行后續(xù)分析。二型糖尿病是一種典型的復(fù)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(diào)控和生物代謝過程的深入研究，能夠?qū)︻A(yù)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(shù)據(jù)，獲取了一到五維的二型糖尿病關(guān)聯(lián)SNPs。對這些SNPs分析后發(fā)現(xiàn)六個候選基因。進(jìn)一步對這六個候選基因進(jìn)行生物學(xué)網(wǎng)絡(luò)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(guān)性狀有關(guān)聯(lián)，其余的三個基因?yàn)樾掳l(fā)現(xiàn)的二型糖尿病相關(guān)基因，它們與這三個基因有大量的生物學(xué)關(guān)聯(lián)，為驗(yàn)證統(tǒng)計分析結(jié)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(shù)據(jù)進(jìn)行了全基因組關(guān)聯(lián)分析，我們還用其它四種毒品的成癮數(shù)據(jù)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(jìn)行了整合生物網(wǎng)絡(luò)信息的分析，觀察到了三種具有明顯差異的網(wǎng)絡(luò)模式，因而在一定程度上揭示了