基于多类型数据融合的可重复网络生物标志物检测

项目名称： 基于多类型数据融合的可重复网络生物标志物检测

项目编号： No.61402276

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 自动化技术、计算机技术

项目作者： 吴梦云

作者单位： 上海财经大学

项目金额： 26万元

中文摘要： 以生物医学大数据为基础的疾病相关生物标志物检测是生物信息学领域的前沿研究方向，也是人类在基础理论与应用研究中面临的重要挑战之一。本项目以稀疏正则化、图限制正则化为主要数学工具，以生物组学数据和生物网络数据为主要实验对象，致力于研究能充分融合多类型数据的变量选择模型，用于疾病相关生物标志物的检测。本项目重点研究内容包括：构建面向生物组学数据的稳定变量选择模型；探索生物网络中生物成分的复杂关系作为变量选择的先验信息。不同于传统仅重点关注判别能力的变量选择方法，本项目的创新之处在于从变量选择模型自身的稳定性、生物网络中变量间关系的稳定性、以及模型选择过程的稳定性三个方面入手，利用带号图图论和无向图模型深入研究各个生物成分的协调关系，获得同时具备高判别能力、较高可重复性和明确生物解释的网络生物标志物，为复杂疾病的诊断、治疗、预后和药物开发提供新的手段。

中文关键词： 高维数据；网络数据；变量选择；稀疏正则化方法；

英文摘要： Disease-related biomarker identification based on biomedical big data is the forefront research direction in Bioinformatics, and it is one of the most important challenges for the basic theories and applications that human facing. The program will exploi

英文关键词： high-dimensional data；network data；variable selection；sparse regularization method；