项目名称: 多视角识别人类复杂疾病相关microRNA的数学模型与方法研究

项目编号: No.11301517

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 数理科学和化学

项目作者: 陈兴

作者单位: 中国科学院数学与系统科学研究院

项目金额: 22万元

中文摘要: 微RNA在各种疾病的形成过程中都起到了至关重要的作用。我们在本项目中不仅将寻找疾病与其之间直接二元关联,而且计划从其上下游寻找疾病形成深层次原因。从上游来看,环境因子会导致微RNA出现问题,从下游看之,微RNA对靶基因的调控会出现问题,这两种方式都会导致疾病形成。本项目研究内容包括三部分:(1)疾病与微RNA关联预测,解决哪些微RNA导致疾病发生这一问题;(2)疾病相关环境因子和微RNA作用预测,解决哪些环境因子导致微RNA出现问题从而导致疾病这一问题;(3)疾病相关miRNA-靶基因作用预测,解决微RNA对哪些靶基因调控出现问题导致疾病这一问题。从高通量生物数据预测潜在疾病相关作用是生物医学和生物数学中的重要问题。本项目将克服现有研究中存在的缺陷,从半监督学习、网络算法、数据结合等出发多视角建立数学模型与方法。本项目将为生物相关领域提供新的研究方法,并将推进对人类复杂疾病的深入理解。

中文关键词: 微核糖核酸;疾病;计算模型;关联预测;数据挖掘

英文摘要: MicroRNAs (miRNAs) play critical roles in the development and progression of various diseases. This project will identify not only the binary relationship between disease and miRNA, but also the depper causes of disease formation from the upstream and downstream of miRNA. From the upstream of miRNA, environmental factor would functionally interact with miRNA and their interactions would contribute jointly to diseases; From the downstream of miRNA, the dysregulation of miRNA-target interaction would also contribute to disease. This project will study the following three key scientific questions: (1) predict disease-miRNA associations, i.e. determine which miRNAs will cause the disease; (2) predict disease related miRNA-environmental factor interactions, i.e. determine which environmental factors would interact with miRNA and the interaction further contribute to disease; (3) predict disease-related miRNA-target interactions, i.e. determine which dysregulations of miRNA-target interaction would cause disease. Predicting potential disease-related interactions from vast amount of biological data and multiple angles is an important problem in the biomedical and biomathmatic research. Considering the limitations in previous computational methods, we planed to develop novel mathmatical models and methods from the multi

英文关键词: microRNA;disease;computational model;association prediction;data mining

成为VIP会员查看完整内容
1

相关内容

医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
专知会员服务
85+阅读 · 2021年10月11日
CVPR 2021 | 时间序列疾病预测的因果隐马尔可夫模型
专知会员服务
62+阅读 · 2021年4月11日
MIT《图神经网络的任务结构与泛化》,22页ppt
专知会员服务
23+阅读 · 2021年2月28日
最新《因果推断导论》课程,102页ppt
专知会员服务
180+阅读 · 2020年9月1日
人工智能预测RNA和DNA结合位点,以加速药物发现
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2013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
0+阅读 · 2012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
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
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
Arxiv
1+阅读 · 2022年4月19日
Arxiv
27+阅读 · 2020年12月24日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Arxiv
35+阅读 · 2020年1月2日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
小贴士
相关VIP内容
相关基金
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2013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
0+阅读 · 2012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
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
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
微信扫码咨询专知VIP会员