项目名称: 植物免疫基因功能网络的构建与动态性分析

项目编号: No.31271414

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 生物科学

项目作者: 张子丁

作者单位: 中国农业大学

项目金额: 80万元

中文摘要: 结合申请人在计算系统生物学方面的研究基础,本项目将针对拟南芥与丁香假单胞菌这一植物与病原微生物互作的模式体系,通过构建植物免疫基因功能网络来研究植物病理表型和网络动态性之间的关系。首先,通过概率模型整合不同类型的分子互作数据,构建一个具有高覆盖度的拟南芥免疫基因功能网络。借助免疫过程中的基因表达数据,采用基于机器学习的子网络生长策略,从免疫基因功能网络中划分出代表性子网络,鉴定出响应不同植物病理表型变化的关键子网络及其内部免疫组分间的关键调控关系。此外,我们还将采用相同的子网络划分策略,系统地分析病原物相关分子模式激发的免疫反应(PTI)与效应蛋白激发的免疫反应(ETI)之间的关系。最后,我们将使用基于图论的方法从免疫基因功能网络中推断一些未知免疫响应基因的潜在功能。本项目的实施将有助于系统地认识植物免疫网络响应病原微生物入侵的分子机制,进而为农业上选育优良抗病作物新品种提供新的线索。

中文关键词: 植物免疫;机器学习;网络分析;转录组学;系统生物学

英文摘要: In the proposed project, we will use plant Arabidopsis thaliana (A. thaliana) and bacterium Pseudomonas syringae (P. syringae) as the model pathosystem to construct a comprehensive plant immunity-related gene functional network and investigate the relationship between network dynamics and pathologic phenotypes. Firstly, we will integrate diverse molecular interaction information to construct a high-coverage probabilistic network of functionally associated plant pathogen-responsive genes. Through combining A.thaliana gene expression data in response to the infection of P. syringae, we are going to conduct a machine learning-based algorithm to assign sub-networks. Meanwhile, the key regulatory patterns amongst components in each sub-network will be learned. Furthermore, the assigned sub-networks and their corresponding regulatory patterns will be compared between resistant and susceptible strains in order to identify important sub-networks and find important regulatory difference between two pathologic phenotypes. We will also investigate the relationship between pathogen-associated molecular pattern-triggered immunity (PTI) and effector-triggered immunity (ETI) through this machine learning-based sub-network detection strategy. Additionally, we plan to infer new function of unknown pathogen-responsive genes in t

英文关键词: plant immunity;machine learning;network analysis;transcriptomics;systems biology

成为VIP会员查看完整内容
0

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
61+阅读 · 2021年9月20日
专知会员服务
24+阅读 · 2021年6月9日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
49+阅读 · 2020年8月27日
【SIGMOD2020-腾讯】Web规模本体可扩展构建
专知会员服务
29+阅读 · 2020年4月12日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
人工智能预测RNA和DNA结合位点,以加速药物发现
Science:脂肪细胞外泌体对巨噬细胞发挥调节功能
外泌体之家
19+阅读 · 2019年3月7日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2009年12月31日
Arxiv
19+阅读 · 2020年7月21日
Image Segmentation Using Deep Learning: A Survey
Arxiv
44+阅读 · 2020年1月15日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Arxiv
13+阅读 · 2019年1月26日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
61+阅读 · 2021年9月20日
专知会员服务
24+阅读 · 2021年6月9日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
49+阅读 · 2020年8月27日
【SIGMOD2020-腾讯】Web规模本体可扩展构建
专知会员服务
29+阅读 · 2020年4月12日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2009年12月31日
微信扫码咨询专知VIP会员