项目名称: 基于表观遗传性质及调节网络对长非编码RNAs的功能注释

项目编号: No.31301084

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 生物科学

项目作者: 廖奇

作者单位: 宁波大学

项目金额: 20万元

中文摘要: 随着测序技术的发展,越来越多的长非编码RNAs(lncRNAs)在人和鼠中被发现。这些lncRNAs主要对蛋白编码基因起调节作用,参与众多重要的生物过程,然而大部分lncRNAs的功能却未知,因此,挖掘lncRNAs的功能仍然是目前生物信息学家面临的重大课题。本项目中,申请者根据lncRNAs在表观遗传上的作用特点,提出两种功能注释方法:一是利用GEO数据库中的表观遗传修饰数据,挖掘lncRNAs在各种生物过程下的DNA甲基化状态和组蛋白修饰情况;二是基于已有的lncRNA-靶基因关系和各种表观遗传修饰特征,分别采用交集法和贝叶斯网络统计模型预测lncRNAs调节的靶基因,构建表观遗传调节网络从而对lncRNAs的功能进行注释。申请者希望通过以上两种方法,获得lncRNAs可能参与的生物过程,并对部分lncRNAs的功能进行实验验证,为进一步深入了解lncRNAs的作用机制提供研究线索。

中文关键词: 长非编码RNA;表观遗传修饰;功能注释;DNA甲基化;

英文摘要: As the development of sequence technology, more and more long noncoding RNAs(lncRNAs) were identified in human and mouse. These lncRNAs were involved in numbers of biological processes through regulating protein coding genes. However, the functions of most lncRNAs were still unknown.Therefore, functional annotation of lncRNAs was one of the most important projects for bioinformaticians nowadays. In this project, we proposed two functional annotation methods based on the characters of lncRNAs function in epigenetic processes: First we would explore the patterns of DNA methylation and histone modification for lncRNAs under a variety of biological processes by using of epigenetic dataset in GEO database. Second, based on the known lncRNA-target relationships and their epigenetic features, we would predict lncRNA targets through methods of intersection and Bayesian networks, and then annotate the functions of lncRNAs through constructing a epigenetic regulation network. We hoped to find out the possible biological processes of each lncRNA involved, and then would verify the functions of several lncRNAs experimentally. Our results would shed light on the further research of lncRNA roles in lots of biological processes.

英文关键词: long noncoding RNA;epigenetic modification;functional annotation;DNA methylation;

成为VIP会员查看完整内容
0

相关内容

SIGIR2022|基于注意力超图网络的交互协同聚类
专知会员服务
24+阅读 · 2022年5月14日
MIT设计深度学习框架登Nature封面,预测非编码区DNA突变
专知会员服务
14+阅读 · 2022年3月18日
ICLR2022 | OntoProtein:融入基因本体知识的蛋白质预训练
专知会员服务
28+阅读 · 2022年2月20日
【ICLR2022】通过传播网络编码学习通用的神经结构
专知会员服务
12+阅读 · 2022年2月13日
专知会员服务
22+阅读 · 2021年9月20日
专知会员服务
24+阅读 · 2021年6月9日
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
已删除
将门创投
12+阅读 · 2019年7月1日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年5月29日
Arxiv
23+阅读 · 2020年9月16日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Arxiv
15+阅读 · 2019年6月25日
Arxiv
16+阅读 · 2018年2月7日
小贴士
相关主题
相关资讯
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
已删除
将门创投
12+阅读 · 2019年7月1日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
微信扫码咨询专知VIP会员